课程介绍
神经网络是一组算法，松散地模仿人脑，旨在识别模式。他们通过一种机器感知、标记或聚类原始输入来解释感官数据。他们识别的模式是数字的，包含在向量中，所有现实世界的数据，无论是图像、声音、文本还是时间序列，都必须转换成向量。
神经网络帮助我们进行聚类和分类。您可以将它们视为您存储和管理的数据之上的聚类和分类层。它们有助于根据示例输入之间的相似性对未标记的数据进行分组，并在有要训练的标记数据集时对数据进行分类。（神经网络还可以提取特征，这些特征会被提供给其他算法进行聚类和分类；因此，您可以将深度神经网络视为涉及强化学习、分类和回归算法的大型机器学习应用程序的组件。）
深度学习解决了什么样的问题，更重要的是，它能解决你的问题吗？要知道答案，你需要问几个问题：
我关心什么结果？在分类问题中，这些结果是可以应用于数据的标签：例如，电子邮件过滤器中的 spam 或 not_spam，欺诈检测中的 good_guy 或 bad_guy，客户关系管理中的angered_customer 或 happy_customer。其他类型的问题包括异常检测（用于制造设备的欺诈检测和预测性维护）和聚类，这在显示相似性的推荐系统中很有用。
你会学到什么
对许多深度学习模型有很好的直觉
制作强大的深度学习模型
使用 Python 掌握深度学习
类型：在线学习 | MP4 | 视频：h264，1280×720 | 音频：AAC，48.0 KHz
语言：英语 | 大小：3.53 GB | 时长：6h 32m使用 Python 构建真实世界的深度学习计算机视觉和自然语言处理 (NLP) 项目
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
