Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
課程簡介
第一天:
基本 Machine Learning
模組-1
介紹:
- 練習 – 安裝 Python 和 NN 庫
- 為什麼選擇機器學習?
- 機器學習簡史
- 深度學習的興起
- 機器學習的基本概念
- 可視化分類問題
- 決策邊界和決策區域
- iPython 筆記本
模組-2
- 練習 – 決策區域
- 人工神經元
- 神經網路、前向傳播和網路層
- 啟動函數
- 鍛煉 – 啟動功能
- 錯誤的反向傳播
- 欠擬合和過擬合
- 插值和平滑
- 外推和數據抽象
- 機器學習中的泛化
模組-3
- 練習 – 欠擬合和過度擬合
- 訓練、測試和驗證集
- 數據偏差和負例問題
- 偏差/方差權衡
- 練習 – 數據集和偏差
模組-4
- NN 參數和超參數概述
- 邏輯回歸問題
- 成本函數
- 示例 – 回歸
- 經典機器學習與深度學習
- 結論
第2天:卷積Neural Networks(CNN)
模組-5
- 美國有線電視新聞網簡介
- 什麼是有線電視新聞網?
- Computer 願景
- 日常生活中的CNN
- 影像 – 像素、顏色和空間量化、RGB
- 卷積方程和物理意義,連續與離散
- 練習 – 一維卷積
模組-6
- 過濾的理論基礎
- 信號作為正弦波之和
- 頻譜
- 帶通濾波器
- 練習 – 頻率過濾
- 2D 捲積濾波器
- 填充和步幅
- 作為帶通濾波器
- 篩選為範本匹配
- 練習 – 邊緣檢測
- 用於局部頻率分析的Gabor濾波器
- 練習 – Gabor 過濾器作為第 1 層地圖
模組-7
- 美國有線電視新聞網架構
- 捲積層
- 最大池化層數
- 圖層縮減採樣
- 遞歸數據抽象
- 遞歸抽象示例
模組-8
- 練習 – CNN 基本用法
- ImageNet 數據集和 VGG-16 模型
- 特徵圖的視覺化
- 特徵含義的可視化
- 練習 – 特徵圖和特徵含義
第3天:序列模型
模組-9
- 什麼是序列模型?
- 為什麼要對模型進行排序?
- 語言建模用例
- 時間序列與空間序列
模組-10
- 核糖核酸
- 循環體系結構
- 隨時間反向傳播
- 漸變消失
- 格魯
- LSTM
- 深度循環神經網路
- 雙向迴圈神經網路
- 練習 – 單向與雙向循環神經網路
- 採樣序列
- 序列輸出預測
- 練習 – 序列輸出預測
- 簡單時變信號上的 RNN
- 練習 – 基本波形檢測
模組-11
- 自然語言處理 (NLP)
- Word 嵌入
- Word 向量: word2vec
- Word 載體:GloVe
- 知識轉移和詞嵌入
- 情緒分析
- 練習 – 情緒分析
模組-12
- 量化和消除偏差
- 鍛煉 – 消除偏見
- 音訊數據
- 波束搜索
- 注意力模型
- 語音辨識
- 觸發詞檢測
- 運動 – Speech Recognition
最低要求
參加本課程不需要任何特定要求。
21 時間: