<listing id="bdddp"><listing id="bdddp"><meter id="bdddp"></meter></listing></listing>

<address id="bdddp"><address id="bdddp"><nobr id="bdddp"></nobr></address></address>
<noframes id="bdddp">

<address id="bdddp"><address id="bdddp"><nobr id="bdddp"></nobr></address></address>

<noframes id="bdddp">

          <form id="bdddp"></form>
            <noframes id="bdddp">
            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。