Unsupervised Deep Learning in Python

[Vasquez]

Unsupervised Deep Learning in Python
.MP4 | Video: 1280x720, 30 fps(r) | Audio: AAC, 48000 Hz, 2ch | 2.69 GB
Duration: 10.5 hours | Genre: eLearning Video | Language: English

Theano / Tensorflow: Autoencoders, Restricted Boltzmann Machines, Deep Neural Networks, t-SNE y PCA.

Entender la Teoría detrás de la principal components analysis (PCA)

Derivada de la PCA-Algoritmo de mano

Theano / Tensorflow: Autoencoders, Restricted Boltzmann Machines, Deep Neural Networks, t-SNE y PCA.
¿Qué vas a aprender?
Entender la Teoría de la principal components analysis (PCA)
Saber, ¿por qué el PCA es útil para la dimensionsreduktion, la Visualización, de Correlación, y la reducción de ruido
la Derivada de la PCA, el Algoritmo de mano
Escribir el código para la PCA
Entender la Teoría detrás de la t-END
t-SNE en el código
Entender los Límites de la PCA y t-END
Entender la Teoría detrás de autoencoders
Escribir un autoencoder en Theano y Tensorflow
Entender cómo se apilan autoencoders son utilizados en las profundidades de aprendizaje
Escribir un apiladas, reducción de Ruido autoencoder en Theano y Tensorflow
Entender la Teoría detrás de la restricted Boltzmann machines (RBMs)
Comprender el por qué de RBMs son entrenar duro
Entender la contrastive divergencia Algoritmo de entrenar RBMs
Su propia Escritura RBM y profunda fe network (DBN), Theano y Tensorflow
para Visualizar e interpretar las Características aprendido autoencoders y RBMs
Requisitos
el Conocimiento, análisis y álgebra lineal
Python Programación
algo de Experiencia con Numpy, Theano, y Tensorflow
Conocimiento, como gradient descent se utiliza para el Tren de machine learning Modelos
Install Python, Numpy, y Theano
Algunos de Probabilidad y Estadística Conocimientos
Código de una red neuronal feedforward en Theano o Tensorflow
Description
de Este Curso es el siguiente Paso lógico en mi más profunda de aprendizaje, data science y machine learning Series. He hecho un Montón de Cursos a través de la Profundidad de aprender, y acabo de ver a un Curso sobre el nas de aprendizaje, en el que Hablé de la agrupación en clústeres y la Estimación De la Densidad. Así que ¿qué Se obtiene cuando a estos 2 juntos? Desatendido aprendizaje Profundo!
En este Curso vamos a empezar con un par de Cosas básicas principal components analysis (PCA), y un popular no lineal dimensionsreduktion Técnica, conocida como t-END (t-distributed estocástico neighbor incrustación de objetos).
A Continuación, echemos un Tipo especial de sin supervisión de la Red neuronal llamado autoencoder. Después de la Descripción, como un autoencoder funciona, yo Te mostraré cómo se puede utilizar una gran Cantidad de Ellos, para un deep-stack del autoencoders, que conduce a un mejor Rendimiento de la supervisión deep red neuronal. Autoencoders son como un no-lineal de la forma de la PCA.
Por último, vamos a ver, restricted Boltzmann machines (RBMs). Estos son otro popular unüberwachtes Red neuronal que puede utilizar de la misma Manera como autoencoders a pretrain Su atendidos deep red neuronal. Te voy a mostrar una Manera interesante de la Formación restricted Boltzmann machines, conocido como el Gibbs sampling, un caso Especial de la Markov Chain Monte Carlo, y yo Te voy a mostrar cómo, a pesar de que este Método sólo es una burda Aproximación, resulta en una Reducción de los Costes de otras Funciones, como la de los autoencoders. Este Método también es conocido como Contrastive Divergencia o CD-k. Como en los Sistemas físicos, vamos a definir el Concepto de la llamada Energía libre y probar este para minimizar la Cantidad.
Finalmente, vamos a llevar a todos estos Conceptos juntos, y yo Te voy a mostrar visualmente lo que ocurre cuando la PCA y t-SNE en las Características de los autoencoders y RBMs hemos aprendido y vamos a ver que, incluso sin etiquetas, los Resultados sugieren que el Patrón encontrado.
Todos los Materiales que se utilizan en este Curso, son GRATIS. Desde este Curso es el 4. en la Profundidad De Aprendizaje De la Serie, supongo que Usted ya sabe, cálculo Integral, álgebra lineal y Programación Python. Usted tendrá que instalar Numpy, Theano, y Tensorflow para este Curso. Estos son los Elementos esenciales en Su data herramientas de google analytics.
Si Usted está interesado en la Profundidad de aprender y de saber moderno deep-learning de la Evolución, que no es sólo la simple RETROALIMENTACIÓN, incluyendo el Uso sin supervisión de Redes neuronales para interpretar lo que las Funciones pueden automáticamente y de forma jerárquica aprendido, en un profundo sistema de aprendizaje, este Curso es para Usted.
Este Curso se centra en el "cómo construir y entender", no sólo "como usar". Todo el mundo puede aprender de una API en 15 Minutos después de la Lectura de algunos Documentos. No se trata de la "Memoria de los Hechos", se trata de "ver" a través de Experimentos. Se Le enseñará la manera de visualizar lo que sucede en el Modelo interno. Si quieren algo más que una superficial Mirada en machine learning Modelos, este Curso es para Usted.
DURO, las CONDICIONES y los CONOCIMIENTOS que las HAYAN ACEPTADO:
Cuenta
álgebra lineal
Probabilidad de
De la Programación en Python: if/else, Molienda, listas, dicts, establece
Numpy de Codificación: matriz y el Vector De Operaciones, Se descarga un Archivo CSV
se puede escribir una red neuronal feedforward en Theano o Tensorflow
CONSEJOS (para siempre el Curso):
que Ver a 2x.
Tomar Notas escritas a mano. Esto se Puede aumentar drásticamente Su Capacidad para retener la Información.
Escribir las Ecuaciones. Si no, te garantizo que va a ver como un Galimatías.
Muchas Preguntas para la Discusión en clase. Cuanto más, mejor!
Darse cuenta de que la mayoría de los ejercicios, tomar Días o Semanas.
Escribir el código, no solo hay que sentarse y mirar en mi código.
EN QUÉ ORDEN DEBO ASISTIR A SUS CURSOS EN?:
Echa un vistazo a la Charla "¿en qué Orden debo a Sus Cursos?" (disponible en el Anexo uno de mis Cursos, incluyendo el servicio gratuito de Numpy, por supuesto),
, este Curso es de:
a los Estudiantes y Profesionales en Búsqueda de mejorar Su aprendizaje Profundo repertorio
a los Estudiantes y Profesionales que desean mejorar la Formación, las Habilidades de deep neural networks
Estudiantes y Profesionales que quieren aprender acerca de los Avances modernos en la Profundidad de aprender

DOWNLOAD
nitroflare

Contenido oculto. Ha de estar registrado, y pulsar el botón "Gracias" para visualizar sus enlaces de descarga.
Si trás registrarse todavía no visualiza el botón de "gracias", pulse la tecla F5, para refrescar la página.