改进深度神经网络:超参数调整、正则化和优化
讲师:Andrew Ng
口袋资源独家Coursera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。
关于本课程
本课程是Deep Learning Specialization的第二部分
在深度学习专业化的第二门课程中,您将打开深度学习黑匣子,系统地了解驱动性能并产生良好结果的过程。
最后,您将学习训练和开发测试集以及分析偏差/方差以构建深度学习应用程序的最佳实践;能够使用标准的神经网络技术,例如初始化、L2 和 dropout 正则化、超参数调整、批量归一化和梯度检查;实施和应用各种优化算法,如小批量梯度下降、Momentum、RMSprop 和 Adam,并检查它们的收敛性;并在 TensorFlow 中实现一个神经网络。 深度学习专业化是我们的基础课程,将帮助您了解深度学习的能力、挑战和后果,并为您参与前沿人工智能技术的开发做好准备。它为您提供了获得知识和技能的途径,可以将机器学习应用到您的工作中,提升您的技术职业水平,并在 AI 世界迈出决定性的一步。
你将获得的技能
- 张量流
- 深度学习
- 数学优化
- 超参数调整
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。