【备忘】2017年最新炼数成金机器读心术之神经网络与深度学习视频教程

课程大纲:
第1课 跌宕起伏70年:神经网络发展概述;最简单的神经元仿生:单层感知器。
第2课 线性神经网络,BP神经网络,基于梯度下降的各种学习算法;BP神经网络应用:信用识别;为什么BP网络丌能支持太多的隐层数?
第3课 Imagenet介绍。BP神经网络应用:图像压缩;稀疏自动编码器与特征提取。, g0 d( Q5 m) m+ x8 C  n7 e7 G" g
第4课 能联想和记忆的Hopfield神经网络,DHNN与DCNN;应用:OCR识别,解决旅行商问题。
第5课 模拟退火算法与Boltzmann机:随机版的Hopfield神经网络。
第6课 马尔科夫链;受限Boltzmann机RBM,Gibbs采样,CD学习算法。
第7课 应用RBM进行协同过滤;深度置信网络(DBN):利用堆叠的RBM进行权值预训练,应用于图像编码与解码,图像识别;生成式模型与判别式模型。0 Z6 U( E/ @# M" q& @9 Q
第8课 万能逼近器:径向基神经网络;PCA与SVM神经网络。4 e: M' D* O# E7 B( O$ z' x$ L7 h
第9课 局部感受野与卷积神经网络CNN;经典应用:MNIST手写体数字识别,Imagenet图像识别;GPU计算。( b4 w! T7 i7 V& [
第10课 计算机博弈原理,深度学习与AlphaGo,价值网络与策略网络的设计,构成和训练。
第11课 蒙特卡洛树搜索与强化学习,Deepmind通用人工智能的尝试。堆叠150层的超深度网络:深度残差网络及其在Imagenet比赛中的表现。; D& C6 z; b$ b" t3 Q
第12课 递归神经网络RNN;ELMAN和NARX;BPTT学习算法;对抗梯度消失;LSTM原理与结构。
第13课 深度学习在自然语言处理中的应用,word2vec原理与实践;CBOW与Skip-gram;NLP的基本问题,将LSTM应用于中文自动分词和命名实体识别。. j$ Z; x4 Y& b

授课对象:
对神经网络技术和深度学习感兴趣者,潜在研究者,爱好者,职业方向准备转型高级数据分析师,迈向数据科学家的朋友。较好是学习过炼数成金上《机器学习》课程或具备类似能力。5 K( g, j8 [( i! a- x) I3 `9 S
3 }. s3 r$ }2 o
收获预期:
熟悉神经网络技术和深度学习,懂得怎样运用到自己的实际工作,设计有一定规模的学习系统,智能化地解决某些场景的实际问题。个人技术能力和数据分析能力,知识见解有明显增长

授课讲师:

 

tigerfish,知名数据库网站ITPUB创始人,知名数据分析网站炼数成金创始人。数据库专家,数据分析专家,有丰富的IT领域、数学领域的知识经验。他将带领他的数据分析团队完成整个授课工作。" U$ l) H- v0 J

 

 

 

你可能感兴趣的:(深度学习,神经网络,nodejs,python,react)