- 回顾上一节的内容,介绍稀疏编码。(P2)
- 稀疏编码的推理。(P3-P6)
- ISTA算法解释。(P7 - P9)
- 用于稀疏编码推理的坐标下降(P10)
- 回顾上一节课的内容,主要讲解随机梯度下降法。(P2)
- L2 正则化。(P3)
- L1 正则化。(P4)
- 偏差——方差权衡。(P5)
本课程主要内容包括:
- Kaggle 实战分析 Dogs vs Cats
- CNN 初步入门
- Excel 中处理 DNN
- 从零开始写线性模型
- Keras 实现线性模型
- 泛逼近器
- 回顾上一节的内容,介绍非监督学习。(P2)
- 稀疏编码的定义。(P3-P8)
- 稀疏编码的例子解释。(P9 - P11)
一 、概述
- Jeremy 和 Rachel 两位老师简要介绍了自己的背景,以及开设这门实战课程的原因。
- 这门实战课程的内容概述。
- 学习这门课程的方法和建议:多看几遍视频,建议每周花 10 小时;用好 wiki 和 notebook;遇到问题先自己试着解决,善于运用 forum 查找答案和提问。
二 、图像识别
- 为什么深度学习那么有效;
- 深度学习环境设置;
- 介绍 Jupyter ,Markdown 和一些 Python 科学包;
- Kaggle 实战,猫狗分类;
- VGG 模型的分析;
- Theano 和 TensorFlow 对比分析。