Andrew Ng Notes Collection
Dies ist der erste Verlauf der Deep Learning -Spezialisierung bei Coursera, die von DeepLearning.ai moderiert wird. Der Kurs wird von Andrew Ng unterrichtet.
Andrew Ng maschinelles Lernen Notizbücher: Lesen
Spezialisierungsnotizen für Deep Learning in einem PDF: Lesen
| Sr -Nr | Artikellesen |
|---|
| 1. | Neurales Netzwerk Deep Learning |
| 2. | Verbesserung des Deep -Learning -Netzwerks |
| 3. | Struktur von ML -Projekten |
| 4. | Konvolutionen Neurales Netzwerk |
| 5. | Sequenzmodelle |
| Sr. Nr | MOOC Lecture Link |
|---|
| 1. | Maschinelles Lernen von Andrew-ng |
| Deep Learning -Serie |
| 1. | Neuronales Netzwerk und tiefes Lernen |
| 2. | Verbesserung der tiefen neuronalen Netze: Hyperparameter -Abstimmung, Regularisierung und Optimierung |
| 3. | Projekte für maschinelles Lernen strukturieren |
| 4. | Faltung Neurales Netzwerk |
| 5. | Sequenzmodelle |
| 6. | CS230: Deep Learning | Herbst 2018 |
1.Neurales Netzwerk Deep Learning
- Diese Notizen geben Ihnen eine kurze Einführung zu:
- Was ist neuronales Netzwerk? Wie funktioniert es?
- Übersichtliches Lernen mit neuronalem Netzwerk
- Flaches neuronales Netzwerkdesign
- Tiefes neuronales Netzwerk
- Notizbücher :
- Woche1 - Einführung in Deep Learning
- Woche2 - Grundlagen für neuronale Netze
- Woche3 - flache neuronale Netze
- Woche4 - tiefe neuronale Netze
2 Verbesserung des Deep -Learning -Netzwerks
- Diese Notizen geben Ihnen die Einführung zu:
- Praktische Aspekte des tiefen Lernens
- Optimierungsalgorithmen
- Hyperparameter -Tuning, Stapelnormalisierung und Programmierrahmen
- Notizbücher :
- Woche1 - Praktische Aspekte des tiefen Lernens
- Einrichten Ihrer Anwendung für maschinelles Lernen
- Regularisieren Sie Ihr neuronales Netzwerk
- Einrichten Ihres Optimierungsproblems
- Woche2 - Optimierungsalgorithmen
- Woche3 - Hyperparameter -Tuning, Stapelnormalisierung und Programmierrahmen
3. Struktur ML -Projekte
- In diesen Notizen können Sie erfahren, wie Sie das Projekt für maschinelles Lernen strukturieren: Projekt:
- Warum ML -Struktur?
- Fehleranalyse
- Notizbücher:
- Woche1 - Einführung in die ML -Strategie
- Festlegen Ihres Ziels
- Vergleich zur Leistung von Menschenebene
- Woche2 - ML Strategie (2)
- Fehleranalyse
- Nicht übereinstimmter Trainings- und Dev/Test -Set
- Aus mehreren Aufgaben lernen
- End-to-End-Deep-Lernen
4. Konvolution Neurales Netzwerk
- Matrix -Multiplikation zwischen Bild und Kernel, der als Faltungsoperation bekannt ist
- In diesen Notizen können Sie über kurze Architektur CNN erfahren:
- Fundamente von CNNs
- Tiefe Faltungsmodelle: Fallstudien
- Objekterkennung
- Spezielle Anwendungen: Gesichtserkennung und neuronale Stilübertragung
- Notizbücher:
- Woche1 - Grundlagen der neuronalen Faltungsnetzwerke
- Woche2 - Tiefe Faltungsmodelle: Fallstudien
- Papiere für Lesen:
- ImageNet -Klassifizierung mit tiefen nerven Netzwerken mit Faltungen
- Sehr tiefe Faltungsnetzwerke für eine groß angelegte Bilderkennung
- Woche3 - Objekterkennung
- Papiere für Lesen:
- Sie schauen nur einmal nach: Unified, Echtzeit-Objekterkennung
- Yolo
- Woche4 - Spezielle Anwendungen: Gesichtserkennung und neuronale Stilübertragung
- Papiere für Lesen:
- Deepface ( Notebook )
- Faceenet
- Transfer neuronaler Stil
5. Sequenzmodelle
Danke fürs Lesen .... glückliches Lernen ... !!!
