了解TensorFlow 2.0和Keras在Python和R中的深度學習并構建神經網絡

深入了解人工神經網絡(ANN)和深度學習

了解Keras和Tensorflow庫的用法

了解適用人工神經網絡(ANN)的業務場景

使用Python和R構建人工神經網絡(ANN)

使用人工神經網絡(ANN)進行預測

完成本課程后，您將能夠：

確定可以使用神經網絡模型解決的業務問題。

對高級神經網絡概念有清晰的了解，例如梯度下降，正向和反向傳播等。

使用Keras和Tensorflow庫在Python和R中創建神經網絡模型，并分析其結果。

自信地練習，討論和理解深度學習概念

本課程涵蓋了使用神經網絡創建預測模型應采取的所有步驟。

大多數課程僅著眼于如何進行分析的教學，但我們相信，對概念有深刻的理論理解可以使我們創建一個好的模型。在進行分析之后，人們應該能夠判斷模型的優劣并解釋結果，從而真正能夠為企業提供幫助。

本課程涵蓋什么內容:

第1部分-Python和R基礎

這部分讓您開始使用Python。

這部分將幫助您在系統上設置python和Jupyter環境，并將教您如何在Python中執行一些基本操作。我們將了解Numpy，Pandas和Seaborn等不同庫的重要性。

第2部分-理論概念

本部分將使您對神經網絡中涉及的概念有扎實的理解。

在本節中，您將學習有關單個單元或感知器以及如何堆疊感知器以創建網絡體系結構的信息。設置好體系結構后，我們將了解梯度下降算法以查找函數的最小值，并了解如何使用該函數來優化我們的網絡模型。

第3部分-在Python和R中創建回歸和分類ANN模型

在這一部分中，您將學習如何在Python中創建ANN模型。

我們將通過使用順序API創建ANN模型來解決分類問題來開始本節。我們學習如何定義網絡體系結構，配置模型和訓練模型。然后，我們評估經過訓練的模型的性能，并使用它來預測新數據。我們還解決了回歸問題，在該問題中我們試圖預測某個位置的房價。我們還將介紹如何使用功能性API創建復雜的ANN架構。最后，我們學習如何保存和還原模型。

我們還了解這部分庫(例如Keras和TensorFlow)的重要性。

第4部分-數據預處理

在這一部分中，您將學習為準備分析數據所需采取的操作，這些步驟對于創建有意義的數據非常重要。

在本節中，我們將從決策樹的基本理論入手，然后介紹數據預處理主題，例如? ?缺失值插補，變量轉換和Test-Train拆分。

在本課程結束時，您對使用Python創建神經網絡模型的信心將會大大提高。您將對如何使用ANN創建預測模型和解決業務問題有透徹的了解。

總目錄(10時51分)

簡介

設置Python和Jupyter Notebook

設置R Studio和R速成班

單細胞-感知器和乙狀神經元

神經網絡-堆疊單元以創建網絡

重要概念：面試常見問題

標準模型參數

Tensorflow和Keras

分類問題的數據集

Python-建立和訓練模型

R-建立和訓練模型

Python-回歸問題和功能性API

R-回歸問題和功能性API

Python-保存和還原模型

R-保存和還原模型

Python-超參數調整

R-超參數調整

附加：數據預處理

Test-train 拆分

總結

以上是生活随笔為你收集整理的python神经网络库 keras_在Python和R中使用Keras和Tensorflow进行深度学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。