--課程已於 2020 年 11 月更新--
--課程已於 2020 年 11 月更新--
課程說明
本課程將讓你開始使用深度學習技術構建你的第一個人工類神經網路( artifical neural network )。按照我以前的邏輯回歸(logistic regression)課程，我們採用這個基本的構建塊(builing block)，並使用Python和Numpy 構建全開的非線性類神經網路。本課程的所有教材都是免費的
我們使用softmax函數將以前的二進制分類模型擴展為多個分類，並且我們使用第一原理導出非常重要的訓練方法稱之為“反向傳播 (backpropagation)”。我會向你說明如何在Numpy中反向傳播代碼，首先是“緩慢的方式”，然後是“快速的方式”使用Numpy功能。
接下來，我們使用 Google 的新 TensorFlow 程式庫實現一個類神經網路。
如果你有興趣開始朝向成為深度學習專業人士這個目標，或者如果你對機器學習和資料科學感興趣，那麼你應該參加這門課程。我們超越了基本模型，例如邏輯回歸和線性回歸，我向你展示一些自動學習特徵的東西。
本課程為你提供了許多實用範例，以便你可以真正了解如何使用深度學習。在整個課程中，我們將實作一個課程專案，該專案將向你展示如何預測使用者在網站上的操作，這些使用者數據包括使用者是否在移動設備上，他/她們查看的產品數量，他/她們在你的網站上停留多長時間，他/她們是否是回訪使用者，以及他/她們訪問的時間。
課程結束時的另一個專案向你展示如何使用深度學習來進行臉部表情識別。想像一下，能夠預測某人的情緒只是基於一張圖片！
在讓你動手做後有了基礎，我提供了一些最新的類神經網路發展的簡要概述-稍微修改的架構和它們用來做什麼。
https://softnshare.com/data-science-deep-learning-in-python/
非線性回歸模型 在 09.0 非线性回归- AI-EDU 的推薦與評價
在神经网络中，解决这类问题的思路非常简单，就是使用带有一个隐层的两层神经网络。 9.0.3 回归模型的评估标准⚓︎. 回归问题主要是求值，评价标准主要是看求得值与实际 ... ... <看更多>