Keras深度学习入门与实战 /

日月光华
日月光华数据分析系列课程主要面向python编程语言使用者,专注编程语言、爬虫、数据分析和机器学习等内容。
  • 课程目录
  • 课程介绍
  • 课时1:Keras深度学习框架简介

  • 课时2:开发环境搭建与keras库的安装

  • 课时3:机器学习基础与线性回归

  • 课时4:keras实现单变量线性回归

  • 课时5:keras实现多变量线性回归

  • 课时6:逻辑回归、softmax分类与交叉熵

  • 课时7:Keras逻辑回归实例:泰坦尼克数据集 数据预处理

  • 课时8:Keras实现逻辑回归

  • 课时9:softmax多分类实例(一)

  • 课时10:softmax多分类实例(二)

  • 课时11:多层感知器原理与梯度下降算法

  • 课时12:激活函数和常见的优化算法

  • 课时13:多层感知器代码实现

  • 课时14:信用卡欺诈预测实例

  • 课时15:过拟合与神经网络的客观评价

  • 课时16:Dropout抑制过拟合

  • 课时17:使用正则抑制过拟合

  • 课时18:网络参数选择的原则

  • 课时19:keras基础实例 - 手写数字识别

  • 课时20:手写数字识别 - 模型的优化

  • 课时21:模型的再优化与抑制过拟合

  • 课时22:电影评论数据集及文本表示

  • 课时23:文本向量化 - k-hot编码

  • 课时24:keras序列预测 - 电影评论预测代码实现

  • 课时25:keras神经网络基础总结

  • 课时26:课程代码、数据集下载及keras安装文档

  • 课时27:卷积神经网络简介

  • 课时28:卷积层和池化层

  • 课时29:卷积神经网络整体架构

  • 课时30:keras卷积神经网络实例 - 输入数据形状

  • 课时31:keras卷积神经网络实例 - 搭建模型整体架构

  • 课时32:keras卷积神经网络实例 - 训练和优化

  • 课时33:Keras卷积神经网络练习 - cifar10数据集

  • 课时34:猫狗数据分类实例 - 图片读取和预处理(一)

  • 课时35:猫狗数据分类实例 - 图片读取和预处理(二)

  • 课时36:猫狗数据分类实例 - 模型的搭建与训练

  • 课时37:猫狗数据集的训练

  • 课时38:图片数据增强

  • 课时39:模型保存 - 加载和保存整个模型

  • 课时40:模型保存 - 加载和保存模型结构

  • 课时41:模型保存 - 加载和保存模型权重

  • 课时42:使用回调函数在训练过程中保存模型

  • 课时43:预训练网络(迁移学习)基础概念

  • 课时44:使用VGG预训练网络的代码实现

  • 课时45:预训练权重及课程资料分享

  • 课时46:课程回顾 - 前向传播与反向传播

  • 课时47:使用预训练网络(2)

  • 课时48:使用预训练网络模型——微调

  • 课时49:常见的预训练网络模型

  • 课时50:课程回顾-输出层总结

  • 课时51:批标准化

  • 课时52:超参数选择原则

  • 课时53:图像识别练习

  • 课时54:获取模型中间层输出

  • 课时55:文本词嵌入(embedding)简介

  • 课时56:keras实现词嵌入表示

  • 课时57:RNN循环神经网络简介

  • 课时58:LSTM实现电影评论预测

  • 课时59:RNN文本实例 - 航空公司评论数据预处理

  • 课时60:RNN文本实例 - 航空公司评论数据预处理(二)

  • 课时61:RNN文本实例 - 航空公司评论预测模型的设计与训练

  • 课时62:RNN序列预测实例 - 空气污染预测 - 数据预处理(一)

  • 课时63:RNN序列预测实例 - 空气污染预测 - 数据预处理(二)

  • 课时64:RNN序列预测实例 - 空气污染预测 - 训练数据采样(一)

  • 课时65:RNN序列预测实例 - 空气污染预测 - 训练数据采样(二)

  • 课时66:RNN序列预测实例 - 空气污染预测 -  基础模型

  • 课时67:RNN序列预测实例 - 空气污染预测 - LSTM模型

  • 课时68:LSTM模型优化 - 多层LSTM 和训练速度衰减

  • 课时69:RNN优化方法 - 循环dropout

  • 课时70:RNN的优化方法 - 双向RNN

  • 课时71:模型的预测与评价

  • 课时72:一维卷积神经网络简介

  • 课时73:一维卷积实例 - 航空公司评论情绪分类

  • 课时74:一维卷积优化实例 - 叶子分类预测 - 数据准备

  • 课时75:一维卷积优化实例 - 叶子分类预测 - 数据预处理

  • 课时76:一维卷积优化实例 - 叶子分类预测 - 基础模型

  • 课时77:叶子分类预测 - 模型优化(一)

  • 课时78:叶子分类预测 - 模型优化(二)

  • 课时79:电影评论情绪分类实例 - 数据准备

  • 课时80:电影评论情绪分类实例 - 文本清理

  • 课时81:电影评论情绪分类实例 - keras文本预处理

  • 课时82:电影评论情绪分类实例 - 模型可视化

  • 课时83:电影评论情绪分类实例 - 模型训练与回调函数

  • 课时84:函数式API简介

  • 课时85:多输出模型——数据准备(一)

  • 课时86:多输出模型——数据准备(二)

  • 课时87:创建多输出模型

  • 课时88:多输出模型的配置与训练

  • 课时89:模型评价与使用模型进行预测

课程概述

更新提示: 2020年3月12日补充更新如何序列模型的评价与预测一节,更新在第 71 课时本课程介绍深度学习和神经网络的概念,并使用keras框架带领同学们构建各种各样的机器学习网络和深度学习网络,非常适合入门学习。课程代码、数据集及keras安装文档在第26节下载,其他资料请在答疑群下载。本课程正在做更新连载,即将更新的目录如下:2019.4.30   Keras自然语言处理综合实例 -kaggle竞赛项目- IMDB影评分类