- 发帖
- 53279
- 今日发帖
- 最后登录
- 2024-06-16
|
MP4 | 视频：AVC 1920x1080 30fps | 音频：AAC 48KHz 2ch | 持续时间：4小时49分钟
类型：电子教学| 语言：英语| 大小：13 GB利用最常用的高级神经网络API Keras的简单性和模块性，将您的神经网络提升到一个全新的水平学习
了解单层和多层神经网络模型之间的区别
使用Keras构建简单的逻辑回归模型，深度神经网络，递归神经网络和卷积神经网络
应用L1，L2和辍学正则化来提高您的准确性模型
采用Keras包装与scikit学习贯彻交叉验证
理解模型的精度的限制，
关于
虽然设计神经网络是一个抢手的技能，这是不容易掌握。使用Keras，您可以使用最少的代码应用复杂的机器学习算法。Keras的应用深度学习首先将带您了解机器学习和Python的基础知识，以深入了解应用Keras开发高效的深度学习解决方案。为了帮助您掌握机器和深度学习之间的差异，本课程将指导您如何构建逻辑回归模型，首先使用scikit-learn，然后使用Keras。您将通过为各种真实场景（如疾病预测和客户流失）创建预测模型，深入研究Keras及其众多模型。您将获得有关如何评估，优化和改进模型以获得最大信息的知识。接下来，您将学习使用Keras Wrapper和scikit-learn交叉验证来评估您的模型。接下来，您将了解如何应用L1，L2，和退出正则化技术，以提高模型的准确性。为了帮助保持准确性，您将掌握应用技术，包括零精度，精度和AUC-ROC评分技术，以便对模型进行微调。在本课程结束时，您将掌握在构建高级深度神经网络时使用Keras所需的技能。你可以在这里访问代码文件https://github.com/TrainingByPackt/Applied-Deep-Learning-with-Keras-eLearning功能
精确解决复杂的机器学习问题
评估，调整和改进您的深度学习模型和解决方案
使用不同类型的神经网络来解决实际问题主页https://www.packtpub.com/data/applied-deep-learning-with-keras-elearning 本部分内容设定了隐藏，需要回复后才能看到
|
微博帐号登录