Artificial Neural Networks (ANN) with Keras in Python and R

掌握深度学习并使用 Python 和 R 通过 TensorFlow 2.0 和 Keras 构建神经网络

讲师:Start-Tech Academy, Pukhraj Parikh, Abhishek Bansal

您将学到什么

• 掌握人工神经网络（ANN）和深度学习的坚实理解
• 学习使用 Keras 和 TensorFlow 库
• 了解人工神经网络（ANN）适用的商业场景
• 用 Python 和 R 构建人工神经网络（ANN）
• 使用人工神经网络（ANN）进行预测

课程要求

• 学生需要安装 Python 和 Anaconda 软件，但我们有一节专门的课程来帮助你完成安装。

课程描述

您正在寻找一门使用 Keras 和 TensorFlow 进行深度学习的完整课程，该课程可以教您如何使用 Python 和 R 创建神经网络模型，对吗？
您找到了正确的

神经网络课程！

完成本课程后，您将能够：

– 识别可以通过神经网络模型解决的商业问题。
– 清楚地理解高级神经网络概念，如梯度下降、前向传播和反向传播等。
– 使用 Keras 和 TensorFlow 库在 Python 和 R 中创建神经网络模型，并分析其结果。
– 自信地实践、讨论并理解深度学习概念。

本课程将如何帮助您？

完成此课程后，所有学员都将获得一份可验证的结业证书。

如果您是业务分析师或执行人员，或者是一名希望学习和应用深度学习解决商业实际问题的学生，这门课程将为您提供坚实的理论基础，并通过 Python 教授一些最先进的神经网络概念及其实现方法，而不会过于注重数学知识。

为什么选择本课程？

本课程涵盖了使用神经网络创建预测模型的所有步骤。
大多数课程只关注如何运行分析，但我们认为拥有强大的理论理解可以让我们创建出好的模型。在完成分析后，您应该能够评估模型的质量，并解释结果以真正帮助业务。

我们有资格教您的原因是什么？

该课程由 Abhishek 和 Pukhraj 教授。作为全球数据分析咨询公司的经理，我们已经使用深度学习技术帮助企业解决商业问题，并将实践经验融入到这门课程中。
我们也是最受欢迎的在线课程的创作者之一——拥有超过 250,000 名注册学员和数千条五星级评价，例如：

“这是非常好的课程，我喜欢所有解释都能让普通人理解。” — Joshua
“感谢作者提供如此精彩的课程。您是最好的，这个课程物超所值。” — Daisy

我们的承诺

教导学生是我们的职责，我们对此充满热情。如果您有任何关于课程内容、练习文件或任何相关主题的问题，请随时在课程中提问或直接联系我们。

下载实践文件，进行测试，并完成作业
每个讲座都附有课堂笔记供您参考。您可以参加测试以检查自己的理解程度。最后还有一个实际的项目作业让您将所学知识付诸实践。

本课程涵盖哪些内容？

本课程教您如何使用神经网络（即深度学习模型）创建预测业务问题的方法。
以下是该课程的内容：

第一部分：Python 和 R 基础
这部分会帮助您开始学习 Python。
我们将指导您在系统上安装 Python 和 Jupyter 环境，并教授一些基本操作。我们还将了解 Numpy、Pandas 和 Seaborn 等库的重要性。

第二部分：理论概念
本部分将为您提供神经网络涉及的概念的坚实理解。
在此部分中，您将学习单个细胞或感知器以及如何堆叠感知器来创建网络架构。一旦架构设置好，我们将了解梯度下降算法以找到函数的最小值，并学习如何使用此方法优化我们的网络模型。

第三部分：在 Python 和 R 中创建回归和分类 ANN 模型
在此部分中，您将学习如何使用 Python 创建 ANN 模型。
我们将在本节开始时使用 Sequential API 创建一个用于解决分类问题的 ANN 模型。我们将了解如何定义网络架构、配置模型并训练模型。然后我们会评估训练后的模型性能，并将其应用于新数据进行预测。我们还将解决一个回归问题，尝试预测某个地区的房价。最后，您将学习如何使用功能 API 创建复杂的 ANN 架构。最后，您会学到如何保存和恢复模型。
本部分还会让您了解 Keras 和 TensorFlow 等库的重要性。

第四部分：数据预处理
在此部分中，您将了解到为分析准备数据所需采取的步骤，这些步骤对于创建有意义的数据至关重要。
在这一节中，我们将从决策树的基本理论开始，然后涵盖数据预处理主题，如缺失值填充、变量转换和测试集与训练集划分。

完成本课程后，您使用 Python 创建神经网络模型的信心将大大增强。您将彻底了解如何使用 ANN 来创建预测模型并解决业务问题。
现在就点击报名按钮，并在第一课中见！

Cheers
Start-Tech Academy

以下是希望开始深度学习之旅的学生的一些常见问题：

为什么用 Python 进行深度学习？

理解 Python 是从事深度学习职业所需的重要技能之一。

尽管它并非一直如此，但 Python 已成为数据科学领域的首选编程语言。以下是一段简短的历史回顾：
– 2016 年，Python 在 Kaggle（一个著名的数据科学竞赛平台）上超越了 R。
– 2017 年，Python 在 KDNuggets 的年度调查中超越了 R，成为数据科学家最常用的工具之一。
– 2018 年，66% 的数据科学家表示他们每天使用 Python，使其成为分析专业人士的首选工具。

深度学习专家预计这一趋势将继续发展，并且随着 Python 生态系统的不断进步，这种趋势将会持续。虽然您开始学习 Python 编程的时间可能还很短，但很高兴知道就业机会丰富（并且还在增长）。

数据挖掘、机器学习和深度学习之间有什么区别？

简单来说，机器学习和数据挖掘使用相同的算法和技术进行数据挖掘，只是预测的类型不同。而数据挖掘发现以前未知的模式和知识；机器学习则复制已知的模式和知识，并进一步自动将这些信息应用于数据、决策和行动。
另一方面，深度学习利用高级计算能力和特殊类型的神经网络，并将其应用于大量数据以学习、理解和识别复杂的模式。自动语言翻译和医学诊断就是深度学习的应用实例。

本课程适合谁:

• 追求数据科学职业的人群
• 任何想在短时间内从入门级别掌握人工神经网络的人士都可前来学习