产品描述
课程概述
廉价计算能力的融合使其更加便利, 空前庞大的数据集, 以及巧妙的理论进步, 深度学习算法正在推动人工智能领域的当代革命. 深度学习在广泛的应用中具有独特的影响力, 包括分类(e.g.、视觉识别、情感分析)、预测(e.g.，股票市场，健康结果)，世代(e.g.例如，创作艺术作品、作曲)和连续的决策(例如，创作作品、作曲).g.、游戏、机器人). 在过去的几年里, 深度神经网络已经进入了无数的日常应用, 包括特斯拉的自动驾驶仪, 亚马逊的Alexa, 以及谷歌建议的电子邮件回复. 事实上, 在语言翻译等以前难以解决的计算问题上，深度学习算法已经超越了人类的表现, 对象检测, 还有围棋.
本课程介绍人工神经网络，将高级理论带入生活与互动实验室的TensorFlow 2, Keras, 和PyTorch -三个主要的深度学习库. 基本理论将涵盖在一种方式，为学生提供一个完整的直观的理解深度学习的基础. 结合在Jupyter笔记本上的实践代码运行，以及克服常见陷阱的战略建议, 这一基础知识将使以前对神经网络没有任何了解的个人能够在所有当代家庭中构建可用于生产的深度学习应用程序, 包括:
- 用于机器视觉的卷积网络
- 用于自然语言处理和时间序列分析的长短期记忆循环网
- 生成对抗网络产生令人瞠目结舌的合成数据
- 复杂序列决策的深度强化学习
先决条件
如果没有面向对象编程方面的一些经验，就很难完成代码演示和练习, 最好是Python(这里是入门课程). 有其他语言学习经验的学生.g.然而，R)一直非常成功.
证书
证书将在课程圆满结束时颁发. 学生的评估是基于他们所要求的家庭作业和期末项目(如适用)的表现的及格/不及格。. 学生完成80%的家庭作业，并参加85%以上的课程，才有资格获得结业证书.
