您查看的活动已结束

☑ 第1课：NumPy

介绍数组、轴、向量操作、多维数组、如何沿着某个轴应用一个函数；现实世界一些有趣的例子，比如：金融回报计算（Python带循环的方式和NumPy不带循环的方式对比表明NumPy是多么的简单等）。

☑ 第2课：Pandas 

介绍Pandas对象、数据索引和选择、Pandas的数据操作、处理缺失数据、合并数据集：Concat和扩展、聚类和分组、时间序列处理、金融应用示例等。 

☑ 第3课：Matplotlib 

包括基本作图类型：线图、条形图、散点图、做图图像、人生游戏示例，金融的随机漫步模拟、Iris数据集可视化等。

☑ 第4课：缺失值处理与异常值检测

包括删除方法、简单的插补方法、基于模式的方法，了解你的数据，实操案例包括处理缺失数据点，并观察它怎样影响模型性能。异常值检测包括极值分析、接近法、投影法等。

☑ 第5课：数据探索的综合案例

包括建模概述、数据导论、基本的数据清洗、更多的数据探索、特征工程等。

☑ 第1课：卷积神经网络基础

介绍感知器、全连接人工神经网络、损失函数、权重乘以输入的矩阵乘法、卷积、框架概述例如AlexNet、训练CIFAR或MNIST数据集、在给定框架下计算参数个数等。

☑ 第2课：Keras基础

介绍模型、层、池化、损失函数、最优化、激活层、Keras技巧包括BatchNormalization、Dropout、正则化等、模型可视化等、用Keras分类CIFAR数据集示例等。  

☑ 第3课：迁移学习Keras实战 

包括使用预训练模型、添加和删除层、可训练层、调试模型、VGG 16用于CIFAR等。

☑ 第4课：深度学习工具箱

包括数据处理、数据准备、构造模型、拟合模型、测试模型。需要用到本课程所学到的所有技巧。数据包括Kaggle渔业、kaggle分心驾驶、MNIST、CIFAR等。

☑ 第5课：理解卷积神经网络：Keras中的DeepDream

包括用Keras可视化卷积层、DeepDream的Keras实战、构造你自己的DeepDream系统等。

☑ 第1课：TensorFlow基础

介绍用TensorFlow的一个简单线性模型、解释TensorFlow的主要概念包括计算图、变量、常数、最优化、会话对象及使用、保存和加载模型等。

☑ 第2课：卷积神经网络TensorFlow实战 

介绍卷积神经网络的理论综述、构造模型等。 

☑ 第3课：TensorBoard和调试 

包括TensorBoard和调试，全程实例演示。

☑ 第4课：循环神经网络TensorFlow实战

包括循环神经网络的理论基础、以及循环神经网络用于全球污染预测。

☑ 第5课：LSTM和自然语言处理TensorFlow实战

包括LSTM和自然语言处理的理论概述、以及TensorFlow的文本预测、采用中文数据库等。

☑ 第6课：部署TensorFlow模型

包括用TensorFlow Serving部署模型、分布式TensorFlow等。

☑ 第1课：Pytorch基础 

介绍Pytorch概述、张量表示、梯度下降、反向传播、线性回归、logistic回归等。

☑ 第2课：Pytorch搭建简单的神经网络 

以一个简单的神经网络为示例用Pytorch搭建，介绍Pytorch搭建神经网络的基本流程、以及优势及特点等。 

☑ 第3课：卷积神经网络Pytorch实战 

包括构建卷积神经网络，如果使用GPU、学习率衰减、卷积神经网络的简单介绍和实例等。

☑ 第4课：循环神经网络Pytorch实战

包括循环神经网络和LTSM简单介绍、LSTM在自然语言理解的应用、LSTM在AUTOML方面的应用等等。

☑ 第5课：生成对抗网络Pytorch实战

包括构建生成对抗网络，如果使用GPU、学习率衰减、生成对抗网络的简单介绍和实例等。