基于梯度的优化

本课程是《Keras深度学习：入门、实战与进阶》之深度学习简介：

课程内容首先介绍神经网络常用激活函数、网络拓扑结构及损失函数。其次介绍网络优化的方法（基于梯度下降和自适应学习率算法）及如何防止模型过拟合(过拟合与欠拟合、正则化、数据拆分、Dropout)。最后通过综合案例电信流失预测带领读者如何使用技巧优化深度学习神经网络，提升模型预测能力。

课程采用通俗易懂的言语介绍常用深度学习模型基本原理，在代码编写方面，均采用深入浅出的方式，先让读者掌握如何使用Keras实现各种深度学习模型，再通过案例实践对理论和代码进行加深及巩固。