Keras 课程表

一、深度学习基础介绍

1.1 python基础

1.2 机器学习基础知识简介

1.3 神经网络数学基础

1.4 Keras开发环境搭建

1.5 Keras 介绍

  • 1.5.1 Keras序贯模型与函数式模型
  • 1.5.2 Keras网络模型
  • 1.5.3 利用Keras对数据进行预处理
  • 1.5.4 利用Keras对网络进行配置

1.6 实战:搭建神经网络模型进行图像与文本分类

二、Python数据分析

2.1 numpy

2.2 pandas

2.3 matplotlib

2.4 线性回归 vs 逻辑回归

2.5 实战:利用线性回归模型对数据进行分析

三、机器学习算法

3.1 决策树与随机森林

3.2 最大似然估计与最大熵模型

3.3 决策树的正则化与剪枝

3.4 线性可分SVM

3.5 软间隔与核函数

3.6 多分类 SVM

3.7 实战案例

  • 3.7.1 随机森林与特征选择
  • 3.7.2 决策树应用于回归
  • 3.7.3 泰坦尼克乘客存活率估计
  • 3.7.4 利用SVM进行葡萄酒数据分类
  • 3.7.5 SVM、逻辑回归、随机森林三者的横向比较

四、卷积神经网络与图像分类

4.1 全连接神经网络

4.2 正向传播与反向传播

4.3 图像处理与卷积操作

4.4 池化 Pooling

4.5 BatchNormalization

4.6 全连接层

4.7 网络设计流程

4.8 实战案例

  • 4.8.1 手写体数字识别
  • 4.8.2 猫狗大战

五、迁移学习

5.1 经典网络介绍Alexnet、VGG、GoogLeNet、Resnet等

5.2 使用预训练网络进行图像分类

5.3 Resnet网络细节与使用

5.4 Shortcut模块

5.5 加载训练好的权重

5.6 实战:迁移学习效果对比

六、目标检测

6.1 RCNN系列:RCNN、SPPNet、Fast-RCNN、Faster-RCNN

6.2 YOLO系列:YOLO V1、YOLO V2、YOLO V3

6.3 SSD系列

6.4 FPN

6.5 实战案例

  • 6.5.1 基于Voc数据集的Faster-RCNN实战
  • 6.5.2 利用YOLO V3模型检测

七、人脸检测与识别

7.1 多任务人脸检测算法MTCNN

7.2 检测小人脸 Tiny Face Detection

7.3 SSH

7.4 一次学习

7.5 三元组损失

7.6 实战:利用Facenet框架进行人脸检测与识别

八、深度学习与文本

8.1 文本向量化方法

8.2 循环神经网络

8.3 LSTM与GRU

8.4 训练模型与效果展示

  • 8.4.1 文本分类实战
  • 8.4.2 文本情感语义分类

九、 时间序列分析

9.1 Attention

9.2 CNN+LSTM模型

9.3 Bi-LSTM双向循环网络

9.4 Keras函数式API与回调函数

9.5 使用TensorBoard监控深度学习模型

9.6 实战案例

  • 9.6.1机器翻译
  • 使用LSTM生成文本

十、生成式深度学习

10.1 DeepDream

10.2 风格迁移

10.3 GAN网络

10.4 DCGAN

10.5 ConditionGAN

10.6 InfoGAN

10.7 实战案例

  • 10.7.1 看图说话
  • 10.7.2 DeepDream实战
  • 10.7.3 利用GAN进行图像生成

十一、强化学习

11.1 马尔可夫决策过程

11.2 贝尔曼方程、最优策略

11.3 策略迭代、值迭代

11.4 Q Learning

11.5 SarsaLamda

11.6 DQN

11.7 A3C

11.8 ELF

11.9 实战案例

  • 11.9.1 飞翔的小鸟游戏
  • 11.9.2 基于增强学习的游戏学习
  • 11.9.3 DQN实现

你可能感兴趣的:(Keras 课程表)