深度学习 AZ™：动手人工神经网络
向两位机器学习和数据科学专家学习用 Python 创建深度学习算法。包括模板。
讲师：Kirill Eremenko，Hadelin de Ponteves
口袋资源独家Udemy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。
你会学到什么
- 了解人工神经网络背后的直觉
- 在实践中应用人工神经网络
- 理解卷积神经网络背后的直觉
- 在实践中应用卷积神经网络
- 理解递归神经网络背后的直觉
- 在实践中应用递归神经网络
- 理解自组织地图背后的直觉
- 在实践中应用自组织图
- 了解玻尔兹曼机背后的直觉
- 在实践中应用玻尔兹曼机
- 了解自动编码器背后的直觉
- 在实践中应用自动编码器
要求
- 高中数学水平
- 基本的 Python 编程知识
描述
*** 如 Kickstarter 上所见 ***
人工智能正在呈指数级增长。毫无疑问。自动驾驶汽车正在加速行驶数百万英里，IBM Watson 诊断病人的能力比医生大军还好，谷歌 Deepmind 的 AlphaGo 在围棋中击败了世界冠军——在这场比赛中，直觉起着关键作用。
但人工智能越进步，它需要解决的问题就越复杂。只有深度学习才能解决如此复杂的问题，这就是为什么它是人工智能的核心。
— 为什么选择深度学习 AZ？—
以下是我们认为 Deep Learning AZ™ 真正与众不同并在众多其他培训计划中脱颖而出的五个原因：
1. 坚固的结构
我们关注的第一件事也是最重要的事情是为课程提供稳健的结构。深度学习非常广泛和复杂，要在这个迷宫中导航，您需要对它有清晰的全球视野。
这就是为什么我们将教程分为两卷，代表深度学习的两个基本分支：监督深度学习和无监督深度学习。每一卷都关注三种不同的算法，我们发现这是掌握深度学习的最佳结构。
2. 直觉教程
如此多的课程和书籍只是用理论、数学和编码轰炸你……但他们忘记了解释，也许最重要的部分： 你为什么要做你正在做的事情。 这就是这门课程如此不同的原因。我们专注于为深度学习算法背后的概念开发一种直观的 *感觉* 。
通过我们的直觉教程，您将确信您本能地了解所有技术。一旦您进行动手编码练习，您将亲眼看到您的体验将变得多么有意义。这是一个游戏规则改变者。
3. 令人兴奋的项目
您是否厌倦了基于过度使用、过时的数据集的课程？
是的？好吧，那你就请客了。
在本课程中，我们将处理真实世界的数据集，以解决真实世界的业务问题。（绝对不是我们在每门课程中看到的无聊的虹膜或数字分类数据集）。在本课程中，我们将解决六个现实世界的挑战：
- 人工神经网络解决客户流失问题
- 用于图像识别的卷积神经网络
- 递归神经网络预测股票价格
- 自组织地图调查欺诈
- 玻尔兹曼机器创建推荐系统
- Stacked Autoencoders* 挑战 Netflix 100 万美元奖金
*Stacked Autoencoders 是深度学习中的一种全新技术，几年前甚至还不存在。我们还没有在其他任何地方看到这种方法得到足够深入的解释。
4. 动手编码
在 Deep Learning AZ™ 中，我们与您一起编码。每个实用教程都从空白页开始，我们从头开始编写代码。通过这种方式，您可以跟随并准确理解代码是如何组合在一起的以及每一行的含义。
此外，我们将有目的地以这样一种方式构建代码，以便您可以下载它并将其应用到您自己的项目中。此外，我们将逐步解释在何处以及如何修改代码以插入您的数据集，根据您的需要定制算法，以获得您所追求的输出。
这是一门自然延伸到您的职业生涯的课程。
5. 课程支持
您是否曾经参加过课程或阅读过有问题但无法联系到作者的书？
嗯，这门课不一样。我们完全致力于使这门课程成为地球上最具颠覆性和最强大的深度学习课程。当您需要我们的帮助时，您有责任始终在场。
事实上，由于我们的身体也需要吃饭和睡觉，我们组建了一个专业的数据科学家团队来帮助我们。每当您提出问题时，您将在最多 48 小时内得到我们的回复。
无论您的查询多么复杂，我们都会在那里。底线是我们希望您成功。
– – 工具 – –
Tensorflow 和 Pytorch 是两个最流行的深度学习开源库。在本课程中，您将学习两者！
TensorFlow 由 Google 开发，用于他们的语音识别系统、新的谷歌照片产品、gmail、谷歌搜索等等。使用 Tensorflow 的公司包括 AirBnb、Airbus、Ebay、Intel、Uber 等等。
PyTorch 同样强大，由 Nvidia 和领先大学的研究人员开发：斯坦福大学、牛津大学、巴黎科技大学。使用 PyTorch 的公司包括 Twitter、Saleforce 和 Facebook。
那么哪个更好，为什么？
好吧，在本课程中，您将有机会同时使用这两种方法，并了解何时 Tensorflow 更好，何时 PyTorch 更适合。在整个教程中，我们将两者进行比较，并为您提供在某些情况下最有效的提示和想法。
有趣的是，这两个库都只有 1 年多的历史。这就是我们所说的在本课程中我们教给您最前沿的深度学习模型和技术的意思。
— 更多工具 —
Theano 是另一个开源深度学习库。它的功能与 Tensorflow 非常相似，但我们仍将介绍它。
Keras 是一个用于实现深度学习模型的令人难以置信的库。它充当 Theano 和 Tensorflow 的包装器。多亏了 Keras，我们只需几行代码就可以创建强大而复杂的深度学习模型。这将使您对您正在创造的东西有一个全球视野。多亏了这个库，你所做的一切看起来都如此清晰和结构化，你将真正获得对自己所做工作的直觉和理解。
— 更多工具 —
Scikit-learn 最实用的机器学习库。我们将主要使用它：
- 用最相关的技术评估我们模型的性能，k-Fold Cross Validation
- 通过有效的参数调整来改进我们的模型
- 预处理我们的数据，以便我们的模型可以在最佳条件下学习
当然，我们不得不提到通常的嫌疑人。整个课程都基于 Python，在每个部分中，您都将获得数小时的宝贵实践编码经验。
此外，在整个课程中，我们将使用 Numpy 进行高计算和操作高维数组，使用 Matplotlib 绘制富有洞察力的图表，使用 Pandas 最有效地导入和操作数据集。
— 这门课程适合谁？—
如您所见，在深度学习领域有许多不同的工具，在本课程中，我们确保向您展示最重要和最先进的工具，以便您在完成 Deep Learning AZ™ 后，您的技能就开始了当今技术的前沿。
如果您刚刚开始学习深度学习， 那么您会发现这门课程非常有用。Deep Learning AZ™ 是围绕特殊的编码蓝图方法构建的，这意味着您不会陷入不必要的编程或数学复杂性中，相反，您将在课程的早期就应用深度学习技术。你将从头开始建立你的知识，你会看到每一个教程你是如何变得越来越自信的。
如果您已经有深度学习的经验， 您会发现这门课程令人耳目一新、鼓舞人心且非常实用。在 Deep Learning AZ™ 中，您将掌握一些最前沿的深度学习算法和技术（其中一些甚至在一年前还不存在），通过本课程，您将获得大量宝贵的实践经验现实世界的商业挑战。此外，您会在里面找到探索新的深度学习技能和应用的灵感。
— 真实案例研究 —
掌握深度学习不仅仅在于了解直觉和工具，还在于能够将这些模型应用于现实世界的场景并为业务或项目得出实际可衡量的结果。这就是为什么在本课程中我们将介绍六个令人兴奋的挑战：
#1 流失建模问题
在这一部分中，您将解决银行的数据分析挑战。您将获得一个包含大量银行客户样本的数据集。为了制作这个数据集，银行收集了诸如客户 ID、信用评分、性别、年龄、任期、余额、客户是否活跃、是否有信用卡等信息。在 6 个月的时间里，银行观察了这些信息是否客户离开或留在银行。
您的目标是创建一个人工神经网络，该网络可以根据上面给出的地理人口和交易信息预测任何个人客户是否会离开银行或留下（客户流失）。此外，您被要求根据他们离开的可能性对银行的所有客户进行排名。为此，您需要使用正确的深度学习模型，该模型基于概率方法。
如果您在该项目中取得成功，您将为银行创造显着的附加值。通过应用您的深度学习模型，银行可以显着减少客户流失。
#2 图像识别
在这一部分中，您将创建一个能够检测图像中各种对象的卷积神经网络。我们将实现这个深度学习模型来识别一组图片中的猫或狗。但是，此模型可以重复使用来检测其他任何内容，我们将向您展示如何做到这一点 – 只需更改输入文件夹中的图片即可。
例如，您将能够在一组大脑图像上训练相同的模型，以检测它们是否包含肿瘤。但是如果你想让它适合猫和狗，那么你真的可以给你的猫或狗拍张照片，你的模型会预测你有哪只宠物。我们甚至在哈德林的狗身上进行了测试！
#3 股价预测
在这一部分中，您将创建最强大的深度学习模型之一。我们甚至会说你将创建最接近 “人工智能”的深度学习模型。这是为什么？因为这个模型会有长期记忆，就像我们人类一样。
促进这一点的深度学习分支是循环神经网络。经典的 RNN 记忆力很短，因此既不流行也不强大。但是最近循环神经网络的重大改进引起了 LSTM（长短期记忆 RNN）的流行，它彻底改变了竞争环境。我们非常高兴能在我们的课程中加入这些前沿的深度学习方法！
在这一部分中，您将学习如何实现这个超强大的模型，我们将接受挑战，用它来预测真实的谷歌股票价格。斯坦福大学的研究人员已经面临类似的挑战，我们的目标是至少做得和他们一样好。
#4 欺诈检测
根据 Markets & Markets 最近发布的一份报告，到 2021 年，欺诈检测和预防市场的价值将达到 331.9 亿美元。这是一个巨大的行业，对高级深度学习技能的需求只会增长。这就是我们将这个案例研究纳入课程的原因。
这是第 2 卷的第一部分 – 无监督深度学习模型。这里的业务挑战是关于检测信用卡应用程序中的欺诈行为。您将为一家银行创建一个深度学习模型，并为您提供一个数据集，其中包含有关申请高级信用卡的客户的信息。
这是客户在填写申请表时提供的数据。您的任务是检测这些应用程序中的潜在欺诈行为。这意味着，在挑战结束时，您将得到一份明确的客户名单，这些客户可能会在他们的应用程序上作弊。
#5 & 6 推荐系统
从亚马逊产品推荐到 Netflix 电影推荐——好的推荐系统在当今世界非常有价值。可以创建它们的专家是地球上收入最高的数据科学家。
我们将处理一个与 Netflix 数据集具有完全相同特征的数据集：大量电影，成千上万的用户，他们对他们观看的电影进行评分。评分从 1 到 5，与 Netflix 数据集完全一样，这使得推荐系统的构建比简单地“喜欢”或“不喜欢”的评分更复杂。
您的最终推荐系统将能够预测客户未观看的电影的评分。因此，通过将预测从 5 降到 1，您的深度学习模型将能够推荐每个用户应该观看的电影。创建如此强大的推荐系统是一个相当大的挑战，所以我们会给自己两个机会。这意味着我们将使用两种不同的深度学习模型来构建它。
我们的第一个模型将是深度信念网络，复杂的玻尔兹曼机，将在第 5 部分中介绍。然后我们的第二个模型将使用强大的自动编码器，这是我个人的最爱。您将欣赏它们的简单性与它们的能力之间的对比。
您甚至可以将其应用于您自己或您的朋友。电影列表将是明确的，因此您只需对已经看过的电影进行评分，在数据集中输入您的评分，执行您的模型，瞧！如果不知道在 Netflix 上看什么，推荐系统会准确告诉您一晚您会喜欢哪些电影！
– – 概括 – –
总之，这是一个令人兴奋的培训计划，其中包含直觉教程、实践练习和真实案例研究。
我们对深度学习充满热情，希望在课堂上见到你！
基里尔和哈德林
本课程适用于：
- 任何对深度学习感兴趣的人
- 至少具有高中数学知识并想开始学习深度学习的学生
- 任何了解机器学习或深度学习基础知识的中级人员，包括线性回归或逻辑回归等经典算法以及人工神经网络等更高级的主题，但想要了解更多相关知识并探索深度学习的所有不同领域学习
- 任何对编码不太满意但对深度学习感兴趣并希望将其轻松应用于数据集的人
- 任何想要开始数据科学职业的大学学生
- 任何想要在深度学习中升级的数据分析师
- 任何对自己的工作不满意并想成为数据科学家的人
- 任何想要通过使用强大的深度学习工具为他们的业务创造附加值的人
- 任何想要了解如何在其业务中利用深度学习指数技术的企业主
- 任何想要使用最前沿的深度学习算法在行业中创造颠覆的企业家
