Έχετε εισαχθεί σε βαθιά μάθηση και τεχνητή νοημοσύνη και θέλετε να μάθετε περισσότερα; Θέλετε να εμβαθύνετε στην εκμάθηση της Python; Στη συνέχεια, χρειάζεστε τον Προηγμένο Οδηγό για βαθιά εκμάθηση και τεχνητή νοημοσύνη. Αυτή η δέσμη καλύπτει τη βαθιά εκμάθηση σε νευρωνικά δίκτυα, αυτόματους κωδικοποιητές, αναγνώριση ομιλίας και επεξεργασία φυσικής γλώσσας.

Τα παρακάτω τέσσερα μαθήματα περιλαμβάνονται σε αυτό το πακέτο.

Βαθιά μάθηση: Συγκεντρωτικά νευρωνικά δίκτυα στην Python - Ρίξτε μια ματιά στις έννοιες πίσω από την όραση του υπολογιστή και επεκτείνετε σε ό, τι γνωρίζετε για τα νευρωνικά δίκτυα και τη βαθιά μάθηση.

  • Είκοσι πέντε διαλέξεις και τρεις ώρες περιεχομένου
  • Χρησιμοποιήστε συνελικτικά νευρωνικά δίκτυα (CNNs) για να εξερευνήσετε το σύνολο δεδομένων StreetView House Number (SVHN)
  • Δημιουργήστε συνελικτικά φίλτρα που θα εφαρμοστούν στον ήχο ή την απεικόνιση
  • Αναπτύξτε βαθιά νευρωνικά δίκτυα με λίγες μόνο λειτουργίες
  • Δοκιμάστε τα CNN που γράφονται τόσο στο Theano όσο και στο TensorFlow

Μη εποπτευόμενη βαθιά εκμάθηση στην Python - Μάθετε για τη δύναμη των αυτόματων κωδικοποιητών και των περιορισμένων μηχανών Boltzmann και συζητήστε την ανάλυση βασικών συστατικών και μια δημοφιλής μη γραμμική τεχνική μείωσης των διαστάσεων και στη συνέχεια μάθετε για τους αυτόματους κωδικοποιητές.

  • Τριάντα διαλέξεις και τρεις ώρες περιεχομένου
  • Ανακαλύψτε περιορισμένες μηχανές Boltzmann (RBMs) και πώς να προετοιμαστείτε για επιθεωρημένα βαθιά νευρικά δίκτυα
  • Μάθετε περισσότερα για τη δειγματοληψία Gibbs
  • Χρησιμοποιήστε το PCA και το t-SNE για λειτουργίες που έχουν μάθει από τους αυτόματους κωδικοποιητές και τους μηχανισμούς καταγραφής ροής
  • Μάθετε τις σύγχρονες εξελίξεις της βαθιάς μάθησης

Βαθιά μάθηση: Επαναλαμβανόμενα νευρωνικά δίκτυα στην Python - Μάθετε για τις φουτουριστικές επιστήμες, όπως η τεχνητή επιστήμη πίσω από την αναγνώριση ομιλίας.

  • Τριάντα δύο διαλέξεις και τέσσερις ώρες περιεχομένου
  • Ανακαλύψτε την Μονάδα Μονής Αναδρομής, γνωστή και ως μονάδα Elman
  • Επέκταση του προβλήματος XOR ως πρόβλημα ισοτιμίας
  • Μάθετε τη μοντελοποίηση της γλώσσας
  • Γίνετε ειδήμονες στο Word2Vec για να δημιουργήσετε διανύσματα λέξεων ή ενσωματωμένες λέξεις
  • Εξετάστε τη μονάδα μακράς μνήμης βραχυπρόθεσμης μνήμης (LSTM) και τη μονάδα περιοδικής επαναφοράς (GRU)
  • Χρησιμοποιήστε αυτό που μαθαίνετε σε πρακτικά προβλήματα όπως η εκμάθηση ενός γλωσσικού μοντέλου από τα δεδομένα της Wikipedia

Επεξεργασία φυσικής γλώσσας με βαθιά εκμάθηση στην Python - Εξερευνήστε την προηγμένη επεξεργασία φυσικής γλώσσας και μάθετε για την εξαγωγή και εφαρμογή Word2Vec, GloVe, ενσωματωμένες λέξεις και ανάλυση συναισθημάτων.

  • Σαράντα διαλέξεις και τέσσερις και μισή ώρες περιεχομένου
  • Εξερευνήστε το Word2Vec και μάθετε πώς χαρτογραφεί τις λέξεις σε ένα χώρο διάνυσμα
  • Μάθετε σχετικά με τη χρήση του factoring της μήτρας από το GLoVe και τον τρόπο με τον οποίο συμβάλλει στα συστήματα συστάσεων
  • Ανακαλύψτε αναδρομικά νευρωνικά δίκτυα για να βοηθήσετε στην επίλυση του προβλήματος της άρνησης στην ανάλυση συναισθημάτων

Πάρτε αυτή τη βαθιά δέσμη μάθησης σε 91% έκπτωση για μόλις $ 42.

Ο Προηγμένος Οδηγός για βαθιά εκμάθηση και τεχνητή νοημοσύνη