深度学习:Python 中的循环神经网络
GRU、LSTM、时间序列预测、股票预测、使用人工智能的自然语言处理 (NLP)
讲师:Lazy Programmer Inc.
口袋资源独家Mosh付费课程,独家中英文字幕,配套资料齐全!
用不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。
你将学到什么
- 将 RNN 应用于时间序列预测(解决普遍存在的“股票预测”问题)
- 将 RNN 应用于自然语言处理 (NLP) 和文本分类(垃圾邮件检测)
- 将 RNN 应用于图像分类
- 了解简单循环单元(Elman 单元)、GRU 和 LSTM(长短期记忆单元)
- 在 Tensorflow 2 中编写各种循环网络
- 了解如何缓解梯度消失问题
要求
- 基础数学(求导、矩阵算术、概率)很有帮助
- Python、Numpy、Matplotlib
描述
*** 现在在 TensorFlow 2 和 PYTHON 3 中 ***
了解迄今为止最强大的深度学习架构之一!
循环神经网络(RNN)已用于在序列建模中获得最先进的结果。
这包括时间序列分析、预测和自然语言处理 (NLP)。
了解为什么 RNN 击败了隐马尔可夫模型等老式机器学习算法。
本课程将教您:
- 机器学习和神经元的基础知识(只是一个让您热身的回顾!)
- 用于分类和回归的神经网络(只是一个让您热身的回顾!)
- 如何对序列数据建模
- 如何对时间序列数据建模
- 如何为 NLP 建模文本数据(包括文本的预处理步骤)
- 如何使用 Tensorflow 2 构建 RNN
- 如何在 Tensorflow 2 中使用 GRU 和 LSTM
- 如何使用 Tensorflow 2 进行时间序列预测
- 如何在 Tensorflow 2 中使用 LSTM预测股票价格和股票回报(提示:这不是你想的那样!)
- 如何在 Tensorflow 2 中使用嵌入进行 NLP
- 如何构建用于 NLP 的文本分类 RNN(示例:垃圾邮件检测、情感分析、词性标记、命名实体识别)
本课程所需的所有材料都可以免费下载和安装。我们将在Numpy、 Matplotlib和 Tensorflow中完成大部分工作 。我随时可以回答您的问题并帮助您完成数据科学之旅。
本课程重点关注“如何构建和理解”,而不仅仅是“如何使用”。任何人在阅读一些文档后都可以在 15 分钟内学会使用 API。这不是“记住事实”,而是 通过实验“亲眼目睹”。它将教您如何可视化模型内部发生的情况。如果您想要的 不仅仅是 机器学习模型的肤浅了解,那么本课程适合您。
我们在课室见!
“如果你不能实施它,你就没有理解它”
- 或者正如伟大的物理学家理查德·费曼所说:“我无法创造的东西,我就不理解”。
- 我的课程是唯一您将学习如何从头开始实现机器学习算法的课程
- 其他课程将教您如何将数据插入到库中,但您真的需要 3 行代码的帮助吗?
- 对 10 个数据集执行相同的操作后,您意识到自己没有学到 10 件事。你学到了 1 件事,只是重复了同样的 3 行代码 10 次……
建议的先决条件:
- 矩阵加法、乘法
- 基本概率(条件分布和联合分布)
- Python 编码:if/else、循环、列表、字典、集合
- Numpy 编码:矩阵和向量运算、加载 CSV 文件
我应该按什么顺序学习您的课程?:
- 查看讲座“机器学习和 AI 先决条件路线图”(可在我的任何课程的常见问题解答中找到,包括免费的 Numpy 课程)
独特的功能
- 每行代码都有详细解释 – 如果您不同意,请随时给我发电子邮件
- 不像其他课程那样浪费时间在键盘上“打字”——说实话,没有人能真正从头开始在短短 20 分钟内编写出值得学习的代码
- 不害怕大学水平的数学 – 获取其他课程遗漏的算法的重要细节
本课程适合谁:
- 学生、专业人士以及对深度学习、时间序列预测、序列数据或 NLP 感兴趣的任何其他人
- 想要提升职业水平的软件工程师和数据科学家
声明:口袋资源网(koudaizy.com)提供的所有课程、素材等资源全部来源于互联网,赞助VIP仅用于对口袋资源服务器带宽及网站运营等费用支出做支持,从本站下载资源,说明你已同意本条款。