深度學習入門

Python 深度學習入門

Dan Becker

Data Scientist and contributor to Keras and TensorFlow libraries

想像你在銀行工作

你需要預測每位客戶在明年會有多少筆交易

線性迴歸視角的範例

線性迴歸所見的範例

線性迴歸視角的範例

線性迴歸所見的範例

線性迴歸視角的範例

線性迴歸所見的範例

線性迴歸視角的範例

線性迴歸所見的範例

線性迴歸視角的範例

線性迴歸所見的範例

線性迴歸視角的範例

線性迴歸所見的範例

線性迴歸視角的範例

線性迴歸所見的範例

線性迴歸視角的範例

線性迴歸所見的範例

線性迴歸視角的範例

線性迴歸所見的範例

線性迴歸視角的範例

線性迴歸所見的範例

線性迴歸視角的範例

線性迴歸所見的範例

線性迴歸視角的範例

線性迴歸所見的範例

線性迴歸視角的範例

線性迴歸所見的範例

線性迴歸視角的範例

線性迴歸所見的範例

交互作用

類神經網路能很好地處理交互作用
深度學習使用更強大的類神經網路
- 文字
- 影像
- 影片
- 音訊
- 原始碼

課程結構

前兩章專注觀念
- 在一般預測問題上除錯並調校深度學習模型
- 為進一步邁向現代應用打基礎
這會在第三、第四章發揮效果

用 keras 建立並調校深度學習模型

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))

深度學習模型擷取交互作用

類神經網路中的交互作用

一起來練習吧！

Python 深度學習入門