Hinton《面向机器学习的神经网络》中文版

Hinton《面向机器学习的神经网络》中文版

开课时间:
开课时长:
学员人数:272
现价: 免费
课程介绍

简  介

Hinton 机器学习中文版教程,本课程深入介绍了Machine Learning中的神经网络的方法,将带你了解人工神经网络在语音识别和物体识别、图像分割、建模语言和人类运动等过程中的应用,及其在机器学习中发挥的作用。

Hinton 教授的这门课程是一门必修课。所有人,包括初学者和专家都将受益于 Hinton 的观点和思想的广度。


课程概述 
神经网络使用的是学习算法,此算法受到我们对大脑汲取知识过程的理解所启发而产生,但是对其评估需按照实际应用中的效果,如语音识别、物体识别、图像检索以及推荐用户可能喜欢的产品的能力。
 
随着计算机功能变得越来越强大,神经网络正逐渐取代更简单的机器学习方法,并已经成为了新一代语音识别装置的核心,而且在识别图像中的物体方面正开始超越早期系统。
 
这门课程将介绍用于学习这些进展的新式学习步骤,这包括学习多层非线性特征的有效的新步骤,并且课上你将学到需要将这些步骤运用于其他许多领域的技巧和知识。
 
这门课程深入介绍了Machine Learning中的神经网络的方法。与Andrew Ng的Machine Learning不同,这门课程更加深入,适用于那些在机器学习方面有一定基础的人进一步了解和学习神经网络。 


讲师背景 
Geoffrey Everest Hinton(杰弗里·埃弗里斯特·辛顿 )是一位英国出生的计算机学家和心理学家,以其在神经网络方面的贡献闻名。辛顿是反向传播算法和对比散度算法的发明人之一,也是深度学习的积极推动者,目前任职于多伦多大学与Google。作为人工智能领域的三位奠基人之一。

了解人工神经网络在语音识别和物体识别、图像分割、建模语言和人类运动等过程中的应用,及其在机器学习中发挥的作用。我们将重点介绍基本算法和使其充分发挥作用的实用技巧。 

 

- 需要为这门课程准备什么?
你需要访问计算机,并使用Matlab、Octave或者Python语言编写的学习算法进行试验。如果你使用Matlab语言,则你将需要自备许可证。

- 学习该门课程的理论和技术基础要求是什么?

最好能够熟练使用Matlab、Octave或Python语言进行编程,具备足够的微积分知识,能够区分简单函数,了解线性代数知识,可以理解包含向量和矩阵的简单等式,掌握用于理解概率密度定义的足够的概率定理知识。

课程目标
  • 了解神经网络如何能够将几乎所有句子合理地编写完成。
课程须知
  • 该门课程由时长介于5至15分钟之间的教学视频构成。
适合人群
  • 有一定理论和技术基础,对机器学习感兴趣的人群

相关课程

未来汽车大讲堂——智能驾驶第一课
开课日期:每周三晚上8:00开始
无人驾驶
8968
¥599 ¥399
未来汽车大讲堂——详解激光雷达技术
开课日期:开始
无人驾驶
1020
¥199 ¥99