R 实践深度学习

特点

1. 将帮助您了解流行的深度学习架构及其在 R 中的变体，并为它们提供现实生活中的示例。
2. 涵盖了用于预测和分类的基本深度学习技术和概念。
3. 将了解神经网络、深度学习架构以及使用 R 实现深度学习的基础知识。
4. 将引导您使用重要的深度学习库（如 Keras-R 和 TensorFlow-R）在应用程序中实现深度学习算法。
5. 将通过高级示例快速了解人工神经网络、循环神经网络、卷积神经网络、长短期记忆网络等。
6. 将发现如何应用生成对抗网络 (GAN) 来生成新图像； 用于图像降维、图像去噪和图像校正以及迁移学习的自动编码器神经网络，以准备、定义、训练和建模深度神经网络。

内容

• 深度学习架构和技术
• 用于多类分类的深度神经网络
• 用于回归的深度神经网络
• 图像分类与识别
• 使用卷积神经网络的图像分类
• 使用 Keras 应用自动编码器神经网络
• 使用迁移学习对小数据进行图像分类
• 使用生成对抗网络创建新图像
• 用于文本分类的深度网络
• 使用循环神经网络的文本分类
• 使用长短期记忆网络进行文本分类
• 使用卷积循环神经网络的文本分类
• 提示、技巧和前进的道路

详情参阅 - 亚图跨际