<noframes id="ndffz"><form id="ndffz"><th id="ndffz"></th></form>

    <noframes id="ndffz"><form id="ndffz"><nobr id="ndffz"></nobr></form>

    <strike id="ndffz"></strike>

        在線咨詢
        課程概述
        課程涵蓋技能
        課程亮點
        職場助力
        購課選項
        預修課程
        課程目錄
        行業項目
        認證證書
        學員反饋
        立即購買

        課程概述

        在這個帶有Keras和TensorFlow的Deep Learning課程認證培訓中,你將熟悉人工神經網絡、PyTorch、自動編碼器等的語言和基本概念。完成學習后,你將能夠建立Deep Learning模型,解釋結果,并建立自己的深度學習項目。

        課程涵蓋技能

        • Keras框架
        • TensorFlow框架
        • PyTorch
        • 圖像分類
        • 卷積網絡
        • 循環神經網絡

        課程亮點

        • 34小時的應用學習
        • 基于現實行業的項目
        • 靈活選擇課程
        • 行業專家提供專門的課程指導

        職場助力

        全球Deep Learning系統市場規模預計在2028年達到933.4億美元,年復合增長率穩定在39.1%。

        名稱
        年薪
        招聘單位
        數據科學家
        AI 工程師
        $83K
        最小
        $118.5K
        平均值
        $154K
        最大
        $51K
        最小
        $80.5K
        平均值
        $110K
        最大

        購課選項

        單一課程

        個人提升

        • 終身訪問自定進度在線學習課程
        • 實驗室現場技能操作演示
        • 預約頂級講師提供的在線直播培訓課程
        • 用于鞏固所學技能的現實行業項目
        • 自我評估模擬試卷
        • 24x7幫助與支持
        simplilearn官網價 查看
        課程原價 ¥ 5034.00
        立即購買
        實惠套餐

        個人提升

        • 單一課程中的所有特權
        • 購買課程組合,每門課程均享受優惠折扣

          購買2門課程包享受7.5折優惠

          購買3門課程包享受6.5折優惠

          購買4門課程包享受5.5折優惠

          購買5門及以上課程包享受4.5折優惠

          *加購課程查看最終實際價格

        自由組合自己的課程 >
        我的課程
        詳情
        折扣優惠 -0
        最終價格 0
        立即購買
        定制套餐

        企業培訓

        • 根據企業需求定制套餐
        • 在線自定進度學習與直播培訓課程相結合
        • 靈活的定價方案
        • 企業級學習管理系統
        • 團隊與個人學習管理界面
        • 24x7幫助與支持
        聯系我們

        預修課程

        • 編程基礎
        • 統計要點
        • 有關機器學習的概念

        課程內容

        第 1 部分 自學課程
        • 第 1 課 - 歡迎!

          歡迎!

          學習目標

        • 第 2 課 - Tensorflow 簡介

          學習目標

          TensorFlow 簡介

          TF2x 和 Eager Execution

          Tensorflow 你好世界

          使用 Tensorflow 進行線性回歸

          使用 Tensorflow 進行邏輯回歸

          深度學習簡介

          深度神經網絡

        • 第 3 課 - 卷積網絡

          學習目標

          卷積網絡介紹

          用于分類的 CNN

          CNN架構

          理解卷積

          CNN 與 MNIST 數據集

        • 第 4 課 - 循環神經網絡

          學習目標

          順序問題

          RNN 模型

          LSTM 模型

          LTSM 基礎

          將 RNN 應用于語言建模

          LSTM 語言建模

        • 第 5 課 - 受限玻爾茲曼機 (RBM)

          學習目標

          RBM 介紹

          訓練 RBM

          帶有 MNIST 的 RBM

        • 第 6 課 - 自編碼器

          學習目標

          自編碼器介紹

          自編碼器結構

          自編碼器

        • 第 7 課 - 課程總結

          課程總結

          解鎖 IBM 證書

        第 2 部分 - 使用 Keras 和 Tensor Flow 進行深度學習(現場課程)
        • 第 1 課 - 課程介紹

          介紹

        • 第 2 課 - AI 和深度學習介紹

          什么是人工智能和深度學習

          人工智能簡史

          回顧:SL、UL 和 RL

          深度學習:過去十年的成功

          演示與討論:自動駕駛汽車目標檢測

          深度學習的應用

          深度學習的挑戰

          演示與討論:使用 LSTM 進行情感分析

          一個深度學習項目的全周期

          關鍵要點

          知識檢查

        • 第 3 課 - 人工神經網絡

          生物神經元與感知器

          淺層神經網絡

          訓練感知器

          演示代碼:感知器(線性分類)(輔助)

          反向傳播

          激活函數和反向傳播的作用

          演示代碼:反向傳播(輔助)

          演示代碼:激活函數(無輔助)

          優化

          正則化

          Dropout層

          關鍵要點

          知識檢查

          課后項目(MNIST圖像分類)

        • 第 4 課 - 深度神經網絡和工具

          深度神經網絡:原因和應用

          設計深度神經網絡

          如何選擇你的損失函數?

          深度學習模型工具

          Keras 及其元素

          演示代碼:使用 Keras 構建深度學習模型(輔助)

          Tensorflow 及其生態系統

          演示代碼:使用 Tensorflow 構建深度學習模型(輔助)

          TF學習

          Pytorch 及其元素

          關鍵要點

          知識檢查

          課后項目:使用 Pytorch 和 Cifar10 數據集構建深度學習模型

        • 第 5 課 - 深度神經網絡優化、調優、可解釋性

          優化算法

          SGD、動量、NAG、Adagrad、Adadelta、RMSprop、Adam

          批量歸一化

          演示代碼:批量標準化(輔助)

          爆炸和消失的梯度

          超參數調優

          可解釋性

          關鍵要點

          知識檢查

          課后項目:使用 Keras Tuner 進行超參數調優

        • 第 6 課 - 卷積神經網絡

          成功與歷史

          CNN網絡設計與架構

          演示代碼:CNN圖像分類(輔助)

          深度卷積模型

          關鍵要點

          知識檢查

          課后項目:圖像分類

        • 第 7 課 - 循環神經網絡

          序列數據

          時間感

          RNN介紹 LSTM(零售數據集kaggle)

          演示代碼:使用 LSTM 預測股價(輔助)

          演示代碼:使用 LSTM 進行多類分類(無輔助)

          演示代碼:使用 LSTM 進行情感分析(輔助)

          GRU LSTM 與 GRU 關鍵要點

          知識檢查

          課后項目:股價預測

        • 第 8 課 - 自編碼器

          自編碼器簡介

          自編碼器的應用

          用于異常檢測的自動編碼器

          演示代碼:MNIST 數據的自動編碼器模型(輔助)

          關鍵要點

          知識檢查

          課后項目:使用 Keras 進行異常檢測

        第 3 部分 - 實踐項目
        • 實踐項目

        • PUBG 玩家完成排名預測

        • 免費課程

        • 數學復習

        • 數學復習

        • 數學復習

        查看更多
        在線咨詢
        姓名
        請輸入姓名
        電話
        請輸入電話
        郵箱
        請輸入郵箱
        需求
        請輸入需求
        提供您的聯系方式,即表示您同意我們的 隱私政策

        行業項目

        項目1

        PUBG 玩家完成排名預測

        創建一個模型,根據球員的最終統計數據預測他們的完賽排名,評分范圍為 1(第一名)到 0(最后一名)

        項目2

        Lending Club 貸款數據分析

        創建一個模型,使用歷史數據預測貸款是否會違約

        認證證書

        達到認證條件后,您將獲得圣普倫和Simplilearn聯合認證的電子證書。我們會通過電子郵件給您發送電子證書,證書上的名字以您注冊時使用的名字為準。

        認證條件

        • 在線課堂授課不低于85%的出勤率
        • 課程結束評估的分數不低于75%
        • 在課程結業項目成功通過評估測試

        學員反饋

        4.0

        阿布舍克·特里帕蒂

        高級軟件開發人員 SAP

        這是非常好數字科學在線培訓課,我已經完成了數據科學R 和 Python兩門課程的學習,關于這些課題培訓師有豐富的知識和見解,自學視頻對學習很有幫助,可以反復學習,謝謝Simplilearn!

        4.1

        安吉拉斯·莫達克

        JD Edwards 技術顧問 EPIQ Softtech Pvt.有限公司

        我認為Simplilearn是最好的在線培訓服務機構。培訓導師對課程的講解很詳細,講解的非常出色。在培訓過程中給出了多個真實的案例,有助于知識的理解與應用,課程內容豐富多樣。我已經理解了CNN有關概念,總之,說我非常享受培訓過程,經過培訓我受益良多。

        4.2

        A. 安東??尼戴維斯

        總經理

        Simplilearn 數據科學家專家課程是非常棒!你會學會如何解決現實中的問題,培訓中你會親自參與眾多真實的項目實踐,豐富你的實際動手的實戰經驗。 培訓導師和專家都非常積極的分享他們的知識,感謝提供如此出色的課程和學習體驗。