Python Глубокое обучение: рекуррентные нейронные сети в Python - Udemy (2021)

[admin]

Глубокое обучение: рекуррентные нейронные сети в Python
Deep Learning: Recurrent Neural Networks in Python
Udemy

Узнайте об одной из самых мощных архитектур глубокого обучения !


Периодические нейронной сети (РНН) был использован для получения государством в самых современных результатов в моделировании последовательности.

Это включает в себя анализ временных рядов , прогнозирование и обработку естественного языка (NLP) .

Узнайте, почему RNN превосходят алгоритмы машинного обучения старой школы , такие как скрытые марковские модели .

Этот курс научит вас:

• Основы машинного обучения и нейронов (просто обзор, чтобы вас разогреть!)
• Нейронные сети для классификации и регрессии (просто обзор, чтобы разогреться!)
• Как моделировать данные последовательности
• Как моделировать данные временных рядов
• Как моделировать текстовые данные для НЛП (включая этапы предварительной обработки текста)
• Как построить RNN с помощью Tensorflow 2
• Как использовать GRU и LSTM в Tensorflow 2
• Как сделать прогнозирование временных рядов с помощью Tensorflow 2
• Как предсказывать цены акций и доходность акций с помощью LSTM в Tensorflow 2 (подсказка: это не то, что вы думаете!)
• Как использовать вложения в Tensorflow 2 для НЛП
• Как построить RNN классификации текста для NLP (примеры: обнаружение спама, анализ настроений, тегирование частей речи, распознавание именованных объектов)

Все материалы, необходимые для этого курса, можно загрузить и установить БЕСПЛАТНО. Мы будем выполнять большую часть нашей работы в Numpy, Matplotlib и Tensorflow . Я всегда готов ответить на ваши вопросы и помочь вам в вашем путешествии по науке о данных.

Этот курс фокусируется на том, « как построить и понять », а не только на том, «как использовать». Любой может научиться использовать API за 15 минут после прочтения документации. Речь идет не о «запоминании фактов», а о « самом увиденном» посредством экспериментов . Он научит вас, как визуализировать то, что происходит внутри модели. Если вы хотите большего, чем просто поверхностный взгляд на модели машинного обучения, этот курс для вас.

Увидимся в классе!

«Если вы не можете это реализовать, вы этого не понимаете»

• Или как сказал великий физик Ричард Фейнман: «То, что я не могу создать, я не понимаю».
• Мои курсы - ЕДИНСТВЕННЫЕ курсы, на которых вы научитесь реализовывать алгоритмы машинного обучения с нуля.
• Другие курсы научат вас вставлять данные в библиотеку, но действительно ли вам нужна помощь с тремя строками кода?
• Проделав то же самое с 10 наборами данных, вы понимаете, что не узнали 10 вещей. Вы узнали 1 вещь и просто повторили одни и те же 3 строки кода 10 раз…

Предлагаемые предпосылки:

• сложение матриц, умножение
• базовая вероятность (условное и совместное распределения)
• Программирование на Python: if/else, циклы, списки, словари, наборы
• Numpy-кодирование: матричные и векторные операции, загрузка CSV-файла

В КАКОЙ ПОРЯДКЕ ПРОХОДИТЬ ВАШИ КУРСЫ?:

• Ознакомьтесь с лекцией «Машинное обучение и предварительная дорожная карта ИИ» (доступна в FAQ любого из моих курсов, включая бесплатный курс Numpy)

Для кого этот курс:

• Студенты, профессионалы и все, кто интересуется глубоким обучением, прогнозированием временных рядов, данными о последовательности или НЛП.
• Инженеры-программисты и специалисты по данным, которые хотят повысить уровень своей карьеры

Требования

• Базовая математика (взятие производных, матричная арифметика, вероятность) полезна
• Python, Numpy, Matplotlib

Материал на английском языке

Продажник:

Скачать курс: