Python数据分析系列视频课程--深度学习

请至PC端网页下载本课程代码课件及数据。

系统、多面的介绍卷积神经网络、循环神经网络、长短期记忆网络等深度学习算法的原理，优缺点，并学习这些模型在python（ Keras+Tensorflow）环境下的实现方法。

本课程为统计原理与操作并重，在详细阐明各种模型算法特点的基础上，再对这些方法的python实现进行学习。

学习完本课程后，学员将能够独立使用Keras+Tensorflow拟合神经网络、CNN、RNN、LSTM等各种深度学习模型，并能够使用VGG、ResNet等已有模型进行迁移学习，以满足实际研究工作或数据挖掘项目中的建模需求。

【更新记录】

2022.10：针对Anaconda 10月最新版(python 3.9)完成兼容性测试，更新了对应的课程内容。

2022.1：针对Anaconda最新版(python 3.8)完成兼容性测试，更新了对应的课程内容。

2021.4：针对软件环境的变化增加了对应的课程内容。2021.3：按照最新的tensorflow 2.4.1版的情况，对课程代码做了全面的兼容性验证和修订。

【课程大纲】

第1章：深度学习概述

第2章：准备软件环境

第3章：神经网络模型入门

第4章：Keras操作入门

第5章：卷积神经网络

第6章：图像预处理

第7章：迁移学习

第8章：循环神经网络

第9章：长短期记忆网络

【课程长度】

总时长：11小时

【学员基础】

学员需要懂得Python语言的基本编程知识，有基本的程序查错能力。

学员事前应当学习统计分析的基本知识，建议完全没有统计基础的学员事先学习免费视频课程《统计分析轻松入门》和《统计模型轻松入门》。

学员应当熟悉数据挖掘的相关知识，建议学员事先学习《数据挖掘轻松入门》，或者《数据挖掘》课程。