这是一个全面的Python神经网络和深度学习训练课程，在 PYTHON 中使用 PYTORCH、H2O、KERAS 和 TENSORFLOW！
这是一个完整的 5 小时以上深度学习训练营，将帮助您使用最重要的 Python 深度学习框架之一 – PyTorch、H2O、Keras 和 Tensorflow 来学习基本的机器学习、神经网络和深度学习。
这就是为什么您应该注册本课程的原因：
本课程是您在 Python 中使用 PyTorch、H2O、Keras 和 Tensorflow 框架进行实用机器学习和深度学习的完整指南。
这意味着，这门课程涵盖了这些架构的重要方面，如果你参加了这门课程，你就可以不用参加其他课程或购买关于不同的基于 Python 的深度学习架构的书籍。
在这个大数据时代，世界各地的公司都使用 Python 来筛选他们所掌握的海量信息，PyTorch、Keras、H2o、Tensorflow 等框架的出现正在彻底改变深度学习……
通过精通 PyTorch、H2O、Keras 和 Tensorflow，您可以为您的公司带来竞争优势，并将您的职业生涯提升到一个新的水平。
但首先。我的名字是 Minerva Singh，我是牛津大学哲学硕士（地理与环境）毕业生。我最近在剑桥大学获得了博士学位（热带生态与保护）。
我在使用数据科学相关技术分析来自不同来源的真实数据以及为国际同行评审期刊出版出版物方面拥有多年经验。
在我的研究过程中，我意识到几乎所有 Python 数据科学课程和书籍都没有考虑到该主题的多维性质，并且可以将数据科学与机器学习互换使用。
这使学生对该学科的知识不完整。另一方面，我的课程将为您提供 PyTorch、H2O、Tensorflow 和 Keras 框架内数据科学各个方面的坚实基础。
与其他 Python 课程和书籍不同，您将真正学会在真实数据上使用 PyTorch、H20、Tensorflow 和 Keras！我遇到的大多数其他资源都展示了如何在使用有限的内置数据集上使用 PyTorch。
发现 7 个完整的部分，涉及重要深度学习框架的各个方面：
• 全面介绍 Python 数据科学和强大的 Python 驱动的数据科学框架，Anaconda
• 开始使用 Jupyter notebooks 在 Python 中实现数据科学技术
• 关于 PyTorch、H2o、Tensorflow 和 Keras 安装的全面介绍以及对其他 Python 数据科学包
• 对 Pandas 和 Numpy 等重要数据科学包的工作原理的简要介绍
• PyTorch、H2o、Tensorflow 和 Keras 语法的基础知识
•在 Python 中处理图像数据的基础知识• 神经网络背后的理论网络概念，例如人工神经网络、深度神经网络和卷积神经网络 (CNN)
• 您甚至会发现如何使用 PyTorch、Keras 和 Tensorflow（基于真实数据）创建人工神经网络和深度学习结构
我的课程将帮助您使用从不同来源获得的真实数据来实施这些方法。许多课程使用虚构的数据，这些数据无法让学生在现实生活中实施基于 Python 的数据科学。
完成本课程后，您将轻松地使用 Numpy、Pandas 和 PIL 等包在 Python 中处理真实数据，同时熟练掌握最重要的深度学习架构。我什至会向您介绍深度学习模型，例如卷积神经网络（CNN）！！
该课程的基本动机是确保您可以将基于 Python 的数据科学应用于实际数据，无论您的技能水平如何，都可以开始为自己的项目分析数据，并通过您的数据科学能力的实际例子给潜在雇主留下深刻印象。
这是一门实用的动手课程，即我们将花一些时间处理与数据科学相关的一些理论概念。但是，课程的大部分内容将侧重于在真实数据上实施不同的技术并解释结果。我们将解决的一些问题包括识别信用卡欺诈和对不同水果的图像进行分类。
每个视频后，您将学习一个新的概念或技术，您可以将其应用于您自己的项目！
MP4 | 视频：h264，1280×720 | 音频：AAC，44.1 KHz，2 Ch
类型：电子学习 | 语言：英语+srt | 持续时间：84 个讲座 (8h 38m) | 大小：4.06 GB
您将学到：
- 利用Anaconda/iPython的强大功能实现实用数据科学（包括AI应用）
- 了解如何在Anaconda中安装和使用重要的深度学习软件包（包括Keras、H20、Tensorflow和PyTorch）
- 使用Tensorflow实现统计和机器学习技术
- 使用深度学习软件包（包括Keras）实现神经网络建模
要求
- 在计算机/笔记本电脑上安装Anaconda环境的能力
- 了解如何在Anaconda中安装和加载软件包
- 学习处理图像数据的兴趣
- 遵循代码需要Python编程语法和概念的基本知识（例如函数和编程流）
- 之前接触过Python数据科学概念会很有用
本课程面向
- 对使用Anaconda环境进行Python数据科学应用程序感兴趣的学生
- 有兴趣开始使用Keras、Tensorflow和PyTorch环境的学生
- 学生有兴趣学习神经网络技术（如卷积神经网络）背后的基本理论概念
- 人工神经网络在真实数据上的实现
- 实现深度神经网络
- 在图像数据上实现卷积神经网络（CNN）
- 使用真实图像数据构建图像分类器并评估其性能
