深度学习(中/英)

将机器学习技能更上一个台阶

高级

大约 3 个月

6小时每周 (自主学习)

由以下企业参与制作:
加入成千上万的全球学员

开始免费课程

加入课程
免费
可享受
课程视频
实战练习与参考项目指导
高级

大约 3 个月

6小时每周 (自主学习)

由以下企业参与制作:
加入成千上万的全球学员

课程概述

机器学习是发展最快、最令人兴奋的领域之一,而深度学习则代表了机器学习中最前沿但也最有风险的一部分。在本课内容中,你将透彻理解深度学习的动机,并设计用于了解复杂和/或大量数据库的智能系统。

我们将教授你如何训练和优化基本神经网络、卷积神经网络和长短期记忆网络。你将通过项目和任务接触完整的机器学习系统 TensorFlow。你将学习解决一系列曾经以为非常具有挑战性的新问题,并在你用深度学习方法轻松解决这些问题的过程中更好地了解人工智能的复杂属性。

我们与 Google 的首席科学家兼 Google 智囊团技术经理 Vincent Vanhoucke 联合开发了本课内容。此课程提供中文版本。

喜欢这门课程?加入“机器学习工程师”纳米学位。

为什么学习这门课程?

深度学习方法因在解决复杂学习问题中的成功表现,其重要性正在成指数增长。同时,高性能计算资源和前沿开源数据库访问量的增加都让深度学习在企业、小型公司和个体户更有可能运用这些方法。相应地掌握深度学习方法可以把你置于这项最具前景、创新和影响力的新兴技术的最前端,并能由此开发出很多新的就业机会。对于数据分析师、数据科学家、机器学习工程师和机器学习/人工智能课程的学生来说,这是一个难得的机会,用先进且尚未广泛应用的关键技术集合来丰富你的机器学习内容。

先修要求

本课内容是高级课程的预备课。在学习本课内容之前,除了要满足“机器学习工程师课程”所列的前提和要求以外,你还应具备以下经验和技能:

  • 至少2年的编程经验(最好是运用 Python 语言)
  • Git 和 GitHub 使用经验(GitHub 资源库中有作业代码)
  • 基本的机器学习知识(尤其是监督学习)
  • 基本的统计学知识(平均值、方差、标准差等)
  • 线性代数(向量、矩阵等)
  • 微积分学(微分、积分、偏导函数等)

查看使用优达学城的技术要求

你将学习什么内容?

项目

毕业项目

在该毕业项目中,你将利用学到的全部纳米学位课程知识,解决通过应用机器学习算法和技术做出选择的问题。首先,你将确定希望解决的问题,研究可能的解决方案和性能指标。接下来,你将利用可视化和数据探索来分析问题,从而更好地了解到哪些算法和功能适用解决它。

之后,你将执行算法及选择指标,同时记录预处理、细化,并以及后处理相关步骤。然后,你将收集与所用模型性能有关的结果,具体化重要的数量,验证/证实这些数值。最后,你将构建结果的结论,讨论你的执行是否充分地解决了问题。

学习计划

第 1 课:从机器学习到深度学习

  • 理解历史背景和深度学习的动机。
  • 建立一个基本的监督分类任务,并在此之上训练一个黑匣子分类器。
  • “手动”训练一个物流分类器,并用梯度下降法、SGD、动量和 AdaGrad 优化这个物流分类器。

第 2 课:深度神经网络

  • 训练一个简单的深度网络。
  • 有效使一个简单的深度网络秩序化。
  • 通过模型探索和超参数转化训练一个竞争性深度网络。

第 3 课:卷积神经网络

  • 训练一个简单的卷积神经网络。
  • 探索卷积网络的设计空间。

第4课:文本和序列的深度模型

  • 训练一个文本嵌入模型。
  • 训练一个长短时记忆(LSTM)模型。

讲师与合作伙伴

Vincent Vanhoucke

Vincent Vanhoucke

Vincent Vanhouck 是 Google 的首席研发科学家,就职于 Google 智囊团,专门进行深度学习的研究和基础设施建设。他在斯坦福大学获得了语音辨识专业博士学位,现在专注于其在图像和声音理解,以及移动与机器人感知方面的研究。

Arpan Chakraborty

Arpan Chakraborty

Arpan 致力于寻找解决日常问题的计算机解决方案。他对人机交互、机器人和认知科学拥有浓厚的兴趣。他获得了北卡罗莱纳州立大学的博士学位,专注于生物启发计算机视觉的研究。在优达学城,他投入了大量时间,除了为自动化工作流程设置了一些小项目外,还为他主讲的课程设计交互练习。

官方微信公众号二维码

优达学城(Udacity)微信