跳至主要内容

Deep Learning Explained

课程简介

深度学习,是全球人工智能技术得以发展的关键因素 —— 它是机器学习的一个子领域,其原理是将人类大脑的工作方式通过数学模型表达出来。计算机可以通过学习数千甚至上亿量级的数据自动得出定义这些数学模型所需的参数。

在课程中,学习者将学习构建深度学习模型让机器拥有类似人类的智能,并解决现实生活中的问题。课程将应用构建深度学习模型的必要工具,例如:Python Jupyter Notebook或Azure虚拟机,以及微软认知服务工具包。

本课程旨在帮助工程师、数据科学家或技术管理人员了解“深度学习”这项炙手可热的技术,包含基本概念、原理、主流算法及实用工具。在完成本课程的学习后,学习者将有能力利用深度学习技术从海量数据中快速、准确地挖掘价值,获取洞见。

课程收获

在完成本节课程之后,你将了解或具备:

  • 深度学习领域中涉及到的基本概念、算法及工作流程
  • 深层神经网络的组成部分其协同工作原理
  • 深层神经网络的基本类型(MLP、CNN、RNN、LSTM)以及每种网络适用的数据类型
  • 深度学习相关动手实操技能
    • 使用多分类逻辑回归和多层感知器进行手写数字识别
    • 使用CNN模型优化识别效果
    • 使用RNN模型预测时间序列数据
    • 使用LSTM模型处理顺序文本数据

基本要求

  • 熟悉Python代码,具备基本编程能力(建议前置课程:DAT208x)
  • 掌握数据科学基本知识(建议前置课程:DAT203x)
  • 掌握机器学习基本知识(建议前置课程:DAT275x)
  1. 课程代码

    DAT236x
  2. 课程开始

  3. 课程结束

  4. 预期课程目标

    Total 24 to 48 hours
选修