คอลเลกชัน Andrew Ng Notes
นี่เป็นหลักสูตรแรกของความเชี่ยวชาญการเรียนรู้อย่างลึกซึ้งที่ Coursera ซึ่งมีการดูแลโดย deeplearning.ai หลักสูตรนี้สอนโดย Andrew Ng
สมุดบันทึกการเรียนรู้ของเครื่อง Andrew Ng: การอ่าน
บันทึกความเชี่ยวชาญการเรียนรู้ลึกใน PDF หนึ่ง: การอ่าน
| SR NO | การอ่านบทความ |
|---|
| 1. | เครือข่ายประสาทการเรียนรู้อย่างลึกซึ้ง |
| 2. | การปรับปรุงเครือข่ายการเรียนรู้ลึก |
| 3. | โครงสร้างของโครงการ ML |
| 4. | เครือข่ายประสาท |
| 5. | รุ่นลำดับ |
| ซีเนียร์ไม่ | ลิงค์การบรรยาย MOOC |
|---|
| 1. | การเรียนรู้ของเครื่องโดย Andrew-Ng |
| ซีรี่ส์การเรียนรู้ลึก |
| 1. | เครือข่ายประสาทและการเรียนรู้อย่างลึกซึ้ง |
| 2. | การปรับปรุงเครือข่ายประสาทลึก: การปรับเปลี่ยนพารามิเตอร์การปรับแต่งและการเพิ่มประสิทธิภาพ |
| 3. | โครงสร้างโครงการการเรียนรู้ของเครื่องจักร |
| 4. | เครือข่ายประสาท |
| 5. | รุ่นลำดับ |
| 6. | CS230: การเรียนรู้ลึก | ฤดูใบไม้ร่วงปี 2561 |
1. เครือข่ายการเรียนรู้ลึก
- หมายเหตุนี้ให้คำแนะนำสั้น ๆ เกี่ยวกับ:
- เครือข่ายประสาทคืออะไร? มันทำงานอย่างไร?
- การเรียนรู้ภายใต้การดูแลโดยใช้เครือข่ายประสาท
- การออกแบบเครือข่ายประสาทตื้น
- เครือข่ายประสาทลึก
- สมุดบันทึก :
- สัปดาห์ที่ 1 - บทนำสู่การเรียนรู้อย่างลึกซึ้ง
- Week2 - พื้นฐานเครือข่ายประสาท
- สัปดาห์ที่ 3 - เครือข่ายประสาทตื้น
- สัปดาห์ที่ 4 - เครือข่ายประสาทลึก
2 การปรับปรุงเครือข่ายการเรียนรู้ลึก
- หมายเหตุนี้ให้คำแนะนำเกี่ยวกับ:
- ด้านการเรียนรู้เชิงปฏิบัติ
- อัลกอริทึมการเพิ่มประสิทธิภาพ
- การปรับจูนพารามิเตอร์การทำให้เป็นมาตรฐานและเฟรมเวิร์กการเขียนโปรแกรม
- สมุดบันทึก :
- สัปดาห์ที่ 1 - การเรียนรู้เชิงปฏิบัติเชิงปฏิบัติ
- การตั้งค่าแอปพลิเคชันการเรียนรู้ของเครื่องของคุณ
- ทำให้เครือข่ายประสาทของคุณเป็นปกติ
- การตั้งค่าปัญหาการเพิ่มประสิทธิภาพของคุณ
- Week2 - อัลกอริทึมการเพิ่มประสิทธิภาพ
- Week3 - การปรับแต่งพารามิเตอร์ไฮเปอร์พารามิเตอร์การทำให้เป็นมาตรฐานและเฟรมเวิร์กการเขียนโปรแกรม
3. โครงสร้าง ML โครงการ
- ในบันทึกนี้คุณสามารถเรียนรู้เกี่ยวกับวิธีการจัดโครงสร้างโครงการการเรียนรู้ของเครื่อง:
- ทำไมต้องโครงสร้าง ML?
- การวิเคราะห์ข้อผิดพลาด
- สมุดบันทึก:
- สัปดาห์ที่ 1 - บทนำสู่กลยุทธ์ ML
- ตั้งค่าเป้าหมายของคุณ
- เปรียบเทียบกับประสิทธิภาพระดับมนุษย์
- สัปดาห์ที่ 2 - กลยุทธ์ ML (2)
- การวิเคราะห์ข้อผิดพลาด
- การฝึกอบรมที่ไม่ตรงกันและชุดทดสอบ/ทดสอบ
- เรียนรู้จากงานหลายงาน
- การเรียนรู้ลึกแบบ end-to-end
4. การควบคุมเครือข่ายประสาท
- การคูณเมทริกซ์ระหว่างภาพและเคอร์เนลที่รู้จักกันในชื่อ การดำเนินการ convolution
- ในบันทึกนี้คุณสามารถเรียนรู้เกี่ยวกับสถาปัตยกรรมสั้น ๆ CNN:
- รากฐานของ CNNS
- แบบจำลองเชิงลึก: กรณีศึกษา
- การตรวจจับวัตถุ
- แอปพลิเคชั่นพิเศษ: การจดจำใบหน้าและการถ่ายโอนสไตล์ประสาท
- สมุดบันทึก:
- สัปดาห์ที่ 1 - ฐานรากของเครือข่ายประสาท Convolutional
- Week2 - แบบจำลองเชิงลึก: กรณีศึกษา
- เอกสารสำหรับอ่าน:
- การจำแนกประเภทของ ImageNet ด้วยเครือข่ายประสาทเชิงลึก
- เครือข่าย convolutional ที่ลึกมากสำหรับการจดจำภาพขนาดใหญ่
- สัปดาห์ที่ 3 - การตรวจจับวัตถุ
- เอกสารสำหรับอ่าน:
- คุณดูเพียงครั้งเดียว: การตรวจจับวัตถุแบบครบวงจรและแบบเรียลไทม์
- โยโล
- Week4 - แอปพลิเคชั่นพิเศษ: การจดจำใบหน้าและการถ่ายโอนสไตล์ประสาท
- เอกสารสำหรับอ่าน:
- DeepFace ( สมุดบันทึก )
- หน้า
- การถ่ายโอนสไตล์ประสาท
5. รุ่นต่อไป
ขอบคุณสำหรับการอ่าน .... มีความสุขในการเรียนรู้ ... !!!
