<thead id="fflbj"><font id="fflbj"><cite id="fflbj"></cite></font></thead>
    <progress id="fflbj"><thead id="fflbj"><font id="fflbj"></font></thead></progress>

            曙海教育集團
            全國報名免費熱線:4008699035 微信:shuhaipeixun
            或15921673576(微信同號) QQ:1299983702
            首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業
             
            Python數據分析課程培訓
             
               班級規模及環境--熱線:4008699035 手機:15921673576( 微信同號)
                   每期人數限3到5人。
               上課時間和地點
            開課地址:【上?!客瑵髮W(滬西)/新城金郡商務樓(11號線白銀路站)【深圳分部】:電影大廈(地鐵一號線大劇院站) 【武漢分部】:佳源大廈【成都分部】:領館區1號【沈陽分部】:沈陽理工大學【鄭州分部】:錦華大廈【石家莊分部】:瑞景大廈【北京分部】:北京中山學院 【南京分部】:金港大廈
            最新開班 (連續班 、周末班、晚班):2020年3月16日
               實驗設備
                 ☆資深工程師授課
                    
                    ☆注重質量 ☆邊講邊練

                    ☆合格學員免費推薦工作
                    ★實驗設備請點擊這兒查看★
               質量保障

                    1、培訓過程中,如有部分內容理解不透或消化不好,可免費在以后培訓班中重聽;
                    2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
                    3、培訓合格學員可享受免費推薦就業機會。

            課程大綱
             
            • 第1章深度學習概述
              1-1深度學習?深在哪里?!
              1-2課程內容介紹
              1-3如何選擇各類深度學習模型
              1-4圖像的數據表示
              1-5圖像與數據的互相轉換
              1-6MNIST數據集介紹
              1-7CIFAR-10數據集介紹
              1-8什么是張量?
              1-9本課程代碼課件及數據
              第2章準備軟件環境
              2-1Python常用IDE簡介
              2-2Anaconda的安裝與配置
              2-3Jupyter Notebook的基本操作
              2-4Keras+TensorFlow組合的優勢
              2-5Keras+TensorFlow組合的安裝
              第3章神經網絡模型入門
              3-1神經網絡的基本原理
              3-2神經網絡原理的具體演示
              3-3神經網絡的算法實質
              3-4神經網絡的連接函數
              3-5損失函數與凸函數
              3-6控制模型復雜度:正則化
              3-7損失函數的求解:梯度下降法
              3-8損失函數的求解:自適應算法
              第4章Keras操作入門
              4-1Keras的基本操作步驟
              4-2Keras操作的常用命令
              4-3IRIS分析實例
              4-4模型的可視化
              4-5模型的終止訓練、保存與載入
              4-6模型的修改
              4-7將Keras與sklearn結合使用
              4-8用Keras擬合MNIST案例
              第5章卷積神經網絡
              5-1什么是卷積?
              5-2CNN的基本原理
              5-3CNN網絡的結構
              5-4Keras中和CNN有關的層設定
              5-5MNIST實例的CNN實現
              5-6對CIFAR10案例擬合簡單CNN模型
              5-7對CIFAR10案例擬合復雜CNN模型
              第6章圖像預處理
              6-1缺少源數據對建模的影響
              6-2定義所需的圖像變換方法
              6-3直接生成變換后的圖像數據
              6-4流式數據處理
              6-5圖像的縮放操作
              第7章遷移學習
              7-1為什么需要遷移學習?
              7-2LeNet和AlexNet
              7-3VGG
              7-4ResNet
              7-5GoogleNet
              7-6Xception、DenseNet和NasNet
              7-7Keras提供的預訓練模型
              7-8直接應用原模型預測
              7-9利用原模型對數據做預處理
              7-10Keras的函數式API
              7-11在原模型的基礎上繼續訓練
              第8章循環神經網絡1
              8-1RNN的基本原理
              8-2RNN的模型分類
              8-3RNN相關的網絡層定義
              8-4用RNN擬合MNIST案例
              8-5用RNN擬合IMDB案例
              第9章長短期記憶網絡
              9-1LSTM的基本原理
              9-2用LSTM擬合IMDB案例
              9-3自動寫作案例:數據準備
              9-4自動寫作案例:模型擬合
              9-5GRU的基本原理
              9-6用GRU擬合IMDB案例
             
              備案號:備案號:滬ICP備08026168號-1 .(2024年07月24日)....................
            538在线视频二三区视视频