类型：在线学习| MP4 | 视频：h264，1280×720 | 音频：aac，44100 Hz
语言：英语| VTT | 大小：2.72 GB | 持续时间：10.5小时
您将学到的知识
了解卷积及其对深度学习的用处为什么
理解并解释卷积神经网络（CNN）的架构
在TensorFlow中实现CNN 2
将CNN应用于具有挑战性的图像识别任务
将CNN应用于自然语言处理（NLP）文本分类（例如，垃圾邮件检测，情感分析）
要求
基本数学（采用导数，矩阵算术，概率）非常有用
Python，Numpy，Matplotlib
课程介绍
了解迄今为止最强大的深度学习架构之一！
卷积神经网络（CNN）已用于获取计算机视觉任务中的最新结果，例如目标检测，图像分割以及生成真实人不存在的人和事物的逼真的图像世界！本课程将教您卷积的基础知识，以及卷积为何对深度学习甚至NLP（自然语言处理）有用。您将学习诸如数据扩充和批处理规范化之类的现代技术，并亲自构建诸如VGG之类的现代体系结构。
本课程将教您：
机器学习和神经元的基础知识（只是一个综述，可以让您热身！）
用于分类和回归的神经网络（只需进行回顾即可使您热身！）
如何在代码中为图像数据建模
如何为NLP建模文本数据（包括文本的预处理步骤）
如何使用Tensorflow 2构建CNN
如何在Tensorflow 2中使用批处理规范化和辍学规范化
如何在Tensorflow 2中进行图像分类
如何为自己的自定义图像数据集进行数据预处理
如何在Tensorflow 2中为NLP使用嵌入
如何为NLP构建文本分类CNN（例如：垃圾邮件检测，情感分析，词性标记，命名实体识别）
该课程所需的所有材料都可以免费下载和安装。我们将在Numpy，Matplotlib和Tensorflow中完成大部分工作。我随时可以回答您的问题，并在您的数据科学之旅中为您提供帮助。
本课程侧重于“如何构建和理解”，而不仅仅是“如何使用”。阅读一些文档后，任何人都可以在15分钟内学会使用API。这不是关于“记住事实”，而是关于通过实验“自己寻找”。它将教您如何内部可视化模型中发生的事情。如果您不仅仅希望对机器学习模型有一个肤浅的了解，那么本课程适合您。
建议的先决条件：
矩阵加法和乘法
基本概率（条件分布和联合分布）
Python编码：if / else，循环，列表，字典，集合
numpy编码：矩阵和向量运算，加载CSV文件
我应该参加什么课程？：
查看讲座“我应该按什么顺序学习您的课程？” （可在我的任何课程的附录中找到，包括免费的Numpy课程）
本课程的对象：
学生，专业人员以及对深度学习，计算机视觉或NLP
软件工程师和数据科学家感兴趣的任何其他想要提升其职业生涯的人
