深度学习之TensorFlow

本课程我们精心为您准备了TensorFlow的框架学习,通过实验任务操作让您学习如何利用TensorFlow框架结合机器学习算法完成数据的分析。

通过本任务,您将掌握以下内容:

1、掌握TensorFlow的基本操作。

2、使用感知机学习算法进行多层感知机的操作;

3、使用线性回归算法进行回归操作;

4、使用K近邻算法进行KNN分类操作;

5、使用逻辑回归算法实现逻辑回归操作;

6、使用双向循环神经网络算法实现数据分析;

7、使用循环神经网络算法实现数据分析。 

  • 教学老师:平台默认讲师
  • 课程难度:
  • 主题分类:数据挖掘与算法
  • 预计学习时间:28h
  • 价 格:¥69.99 元
展开剩余
收 起
  • 01
    TensorFlow基本操作(CPU)
    本任务主要介绍了如何在Pycharm上进行TensorFlow的基本操作。
    4h
  • 02
    TensorFlow多层感知机(CPU)
    本任务主要介绍了使用感知机学习算法结合TensorFlow机器学习框架进行多层感知机的操作。
    4h
  • 03
    TensorFlow 线性回归(CPU)
    本任务主要介绍了使用TensorFlow机器学习框架,结合线性回归算法操作。
    4h
  • 04
    TensorFlow K近邻算法(CPU)
    本任务主要介绍了使用TensorFlow机器学习框架,结合K近邻算法操作。
    4h
  • 05
    TensorFlow逻辑回归(CPU)
    本任务主要介绍了使用TensorFlow机器学习框架,结合逻辑回归算法的操作。
    4h
  • 06
    TensorFlow循环神经网络(CPU)
    本任务主要介绍了使用TensorFlow机器学习框架,结合循环神经网络算法操作实现数据分析。
    4h
  • 07
    TensorFlow双向循环神经网络(CPU)
    本任务主要介绍了使用TensorFlow机器学习框架,结合双向循环神经网络算法操作实现数据分析。
    4h
  • 08
    神经网络入门之全连接网络
    本次实验基于 MNIST手写数字训练测试集,用Tensorflow构建一个三层全连接神经网络,并进行训练。
    4h
  • 09
    卡通表情识别
    本次视频课程通过构建一个神经网络来识别四种手画表情。
    24m
  • 10
    卡通表情识别
    本次实验任务通过编写代码构建一个神经网络来识别四种手画表情。
    4h
  • 11
    卷积网络手写识别
    本次视频课程通过训练手写识别MNIST数据集,学习卷积神经网络的基本结构。
    34m
  • 12
    卷积网络手写数字识别
    本次实验任务通过编写代码训练手写识别MNIST数据集,学习卷积神经网络的基本结构。
    4h
  • 13
    卷积网络专项实训
    本次实验任务通过编写代码训练手写识别MNIST数据集,学习卷积神经网络的基本结构。
    40m
  • 14
    各种卷积网络集合专项训练
    本次实验任务通过编写代码训练手写识别MNIST数据集,学习卷积神经网络的基本结构。
    4h
  • 15
    循环神经网络初步及时间序列预测
    本次实验任务基于LSTM模型,搭建循环神经网络,得到预测数据,画出合适图像。
    4h
  • 16
    AI诗人神经网络
    本次实验任务详细讲解了编写代码搭建神经网络实现AI写诗。
    41m
  • 17
    基于深度学习的股票预测
    本次视频课程详细讲解了如何学会数据整理,掌握神经网络的训练及优化。
    24m
  • 18
    TensorFlow基于深度学习的股票预测
    本次实验任务讲解了如何学会数据整理,掌握神经网络的训练及优化。
    4h
  • 19
    TensorFlow经典强化学习
    本次实验任务介绍了学习初始化训练参数,用Q理论来训练模型,提取模型中间参数。
    4h
  • 20
    TensorFlow人工智能五子棋与AlphaZero
    本次实验任务介绍了深度强化学习的基本思想,其次将重点讲解蒙特卡洛树搜索。
    4h
  • 21
    胶囊网络手写识别
    本次视频课程详细介绍通过编写代码理解胶囊网络原理。
    36m
  • 22
    TensorFlow理解胶囊网络原理
    本次实验任务详细介绍通过编写代码实现胶囊网络。
    4h
  • 23
    对抗生成网络初步
    本次视频课程讲解了根据GAN的背后思想,以及实际案例构造出整个网络构型,控制样本,进行训练学习。
    26m
  • 24
    TensorFlow对抗生成网络
    本次实验任务详细讲解了根据GAN的背后思想,以及实际案例构造出整个网络构型,控制样本,进行训练学习。
    4h
  • 25
    TensorFlow数据增强
    本次实验任务通过简单的例子学习数据增强方法的重要性,并继续学习搭建多层全连接神经网络。
    4h
  • 26
    反向传播算法详解
    本次视频课程详细讲解了正向传播时,'权重”、'偏置”如何控制神经元输出流的向前流动以及梯度流如何一层层进行反向传播。
    33m
  • 27
    TensorFlow反向传播算法详解
    本次实验任务详细讲解了正向传播时,'权重”、'偏置”如何控制神经元输出流的向前流动以及梯度流如何一层层进行反向传播。
    4h
  • 28
    交叉熵—预测准确度的衡量
    本次视频课程讲解了如何定义一个分布蕴含的信息量,以及交叉熵可用于衡量预测的准确程序。
    16m
  • 29
    TensorFlow交叉熵--预测准确度的衡量
    本次实验任务介绍了如何定义一个分布蕴含的信息量,以及交叉熵可用于衡量预测的准确程序。
    4h
  • 30
    TensorFlow之TensorBoard的使用
    本次实验任务介绍了基于卷积网络手写识别训练,运用Tensorboard来可视化我们的训练过程。
    4h
432
学员评论(0)