深度学习简介

Python 深度学习入门

Dan Becker

Data Scientist and contributor to Keras and TensorFlow libraries

假设您在一家银行工作

  • 需要预测每位客户明年的交易次数
Python 深度学习入门

线性回归视角的示例

线性回归视角的示例

Python 深度学习入门

线性回归视角的示例

线性回归视角的示例

Python 深度学习入门

线性回归视角的示例

线性回归视角的示例

Python 深度学习入门

线性回归视角的示例

线性回归视角的示例

Python 深度学习入门

线性回归视角的示例

线性回归视角的示例

Python 深度学习入门

线性回归视角的示例

线性回归视角的示例

Python 深度学习入门

线性回归视角的示例

线性回归视角的示例

Python 深度学习入门

线性回归视角的示例

线性回归视角的示例

Python 深度学习入门

线性回归视角的示例

线性回归视角的示例

Python 深度学习入门

线性回归视角的示例

线性回归视角的示例

Python 深度学习入门

线性回归视角的示例

线性回归视角的示例

Python 深度学习入门

线性回归视角的示例

线性回归视角的示例

Python 深度学习入门

线性回归视角的示例

线性回归视角的示例

Python 深度学习入门

线性回归视角的示例

线性回归视角的示例

Python 深度学习入门

交互作用

  • 神经网络能很好地建模特征交互
  • 深度学习使用更强大的神经网络
    • 文本
    • 图像
    • 视频
    • 音频
    • 源代码
Python 深度学习入门

课程结构

  • 前两章聚焦概念
    • 在常规预测问题上调试并调优深度学习模型
    • 为现代应用打下基础
  • 第三、第四章将受益于此
Python 深度学习入门

使用 Keras 构建并调优深度学习模型

import numpy as np
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential
predictors = np.loadtxt('predictors_data.csv', delimiter=',')
n_cols = predictors.shape[1]
model = Sequential()

model.add(Dense(100, activation='relu', input_shape = (n_cols,)))
model.add(Dense(100, activation='relu'))
model.add(Dense(1))
Python 深度学习入门

深度学习模型能捕捉交互

深度学习模型捕捉交互

Python 深度学习入门

深度学习模型能捕捉交互

深度学习模型捕捉交互

Python 深度学习入门

深度学习模型能捕捉交互

深度学习模型捕捉交互

Python 深度学习入门

神经网络中的交互

神经网络中的交互

Python 深度学习入门

神经网络中的交互

神经网络中的交互

Python 深度学习入门

神经网络中的交互

神经网络中的交互

Python 深度学习入门

神经网络中的交互

神经网络中的交互

Python 深度学习入门

神经网络中的交互

神经网络中的交互

Python 深度学习入门

Passons à la pratique !

Python 深度学习入门

Preparing Video For Download...