WUSTL深度神经网络应用案例实操-学习资料

WUSTL深度神经网络应用课程，内容覆盖Keras, TensorFlow, Pandas, 特征工程, GAN, Kaggle, 迁移学习, Spacy, OpenAI, 计算机视觉, 自然语言处理等

课程介绍

深度学习允许神经网络以类似于人脑功能的方式学习信息的层次结构，是令人兴奋的新兴技术，通过结合先进的训练技术和神经网络架构，创建可以处理表格数据、图像、文本和音频作为输入/输出的神经网络。

T81-558 虽然课程标题为【深度学习网络应用实战】，但实际内容覆盖 Python基础、pandas数据处理、特征工程、深度学习、自然语言处理、计算机视觉、强化学习多个领域，涵盖了计算机视觉、时间序列、安全、自然语言处理 (NLP) 和数据生成方向的应用。

本课程以实战为主，Jeff Heaton 教授依托于主流工具库，对深度学习和场景应用做了详细的实战讲解，可以帮助大家精准构建从数据到建模应用的全链条实战技能。

课程使用 Python 编程语言通过 Google TensorFlow 和 Keras 实现深度学习。课程学习之前无需了解 Python，但是熟悉至少一种编程语言有利于提升学习效率。

课程讲师 Jeff Heaton 是 RGA 数据科学副总裁，华盛顿大学兼职讲师，兴趣包括机器学习、特征工程和这些主题的实际应用。几本知名人工智能书籍的作者，Kickstarter 项目、YouTube 视频的活跃创作者。

课程主题

课程官网发布了课程主题，ShowMeAI 对其进行了翻译。

• Python Preliminaries（Python初探）
• Python for Machine Learning（机器学习中的 Python）
• TensorFlow and Keras for Neural Networks（用于神经网络的TensorFlow和Keras）
• Training for Tabular Data（表格式数据的训练）
• Regularization and Dropout（正则化和Dropout）
• CNN for Vision（用于视觉的CNN）
• Generative Adversarial Networks (GANs)（生成对抗网络 (GANs)）
• Kaggle（Kaggle）
• Transfer Learning（迁移学习）
• Time Series in Keras（Keras处理时间序列）
• Natural Language Processing（自然语言处理）
• Reinforcement Learning（强化学习）
• Deployment and Monitoring（部署和监控）

课程资料 | 下载

扫描上方图片二维码，关注公众号并回复关键字 🎯『T81-558』，就可以获取整理完整的资料合辑啦！当然也可以点击 🎯 这里 查看更多课程的资料获取方式！

ShowMeAI 对课程资料进行了梳理，整理成这份完备且清晰的资料包：

• 📚 课件。.ipynb文件。覆盖Lecture 1~14所有章节授课的课件。
• 📚 作业。.ipynb文件。作业文件和数据文件，覆盖作业1-10。

课程视频 | B站

ShowMeAI 将视频上传至B站，并增加了中英双语字幕，以提供更加友好的学习体验。点击页面视频，可以进行预览。推荐前往 👆 B站 观看完整课程视频哦！

本门课程，ShowMeAI 将部分章节进行了切分，按照主题形成更短小的视频片段，便于按照标题进行更快速的检索。视频数量很多，为方便大家检索（查找某主题的位置，请使用页面 Ctrl+F 关键字检索功能），依旧将完整清单放在这里：

更多技术与课程清单 | 点击查看详细课程