課程簡介

機器學習使用計算機運行預(yù)測模型，從現(xiàn)有數(shù)據(jù)中學習，以預(yù)測未來的行為，結(jié)果和趨勢。

在這個數(shù)據(jù)科學課程中，您將獲得關(guān)于機器學習理論的明確解釋，并結(jié)合實際場景以及構(gòu)建，驗證和部署機器學習模型的實踐經(jīng)驗。 您將學習如何使用R，Python和Azure機器學習來構(gòu)建并從這些模型中獲取洞察。

學習收益

• 探索分類

• 機器學習中的回歸

• 如何改進監(jiān)督模型

• 有關(guān)非線性建模的詳細信息

• 聚類

• 推薦系統(tǒng)

• 本課程的動手元素結(jié)合了R，Python和Microsoft Azure機器學習

課程簡介

機器學習使用計算機運行預(yù)測模型，從現(xiàn)有數(shù)據(jù)中學習以預(yù)測未來的行為，結(jié)果和趨勢。 深度學習是機器學習的一個子領(lǐng)域，其中受我們大腦工作方式啟發(fā)的模型以數(shù)學方式表達，并且定義數(shù)學模型的參數(shù)可以從數(shù)千至數(shù)億至數(shù)百萬的數(shù)量級自動從 數(shù)據(jù)。

深度學習是全球正在開發(fā)的人工智能技術(shù)的關(guān)鍵推動力。 在這個深度學習課程中，您將學習一種直觀的方法來構(gòu)建復(fù)雜的模型，幫助機器用人類智能解決現(xiàn)實世界的問題。 直觀的方法將轉(zhuǎn)化為具有實際問題和實際操作經(jīng)驗的工作代碼。 您將學習如何使用在本地Windows或Linux計算機上運行的Python Jupyter筆記本或在Azure上運行的虛擬機上從這些模型構(gòu)建和獲取洞察。 或者，您可以免費使用Microsoft Azure筆記本電腦平臺。

本課程提供所需的詳細程度，使工程師/數(shù)據(jù)科學家/技術(shù)管理人員能夠直觀地了解這種改變游戲技術(shù)背后的關(guān)鍵概念。 同時，您將學習簡單而強大的“圖案”，這些圖案可以與類似樂高的靈活性一起使用，以構(gòu)建端到端的深度學習模型。 您將學習如何使用Microsoft認知工具包（以前稱為CNTK），通過深度學習，利用無與倫比的縮放，速度和準確性來利用海量數(shù)據(jù)集中的智能。

先決條件

• 基本編程技巧

• 掌握數(shù)據(jù)科學知識

• 相當于以下課程的技能：

• DAT203x: Data Science Essentials

• DAT208x: Introduction to Python for Data Science

課程收益

• 深層神經(jīng)網(wǎng)絡(luò)的組成部分及其如何協(xié)同工作

• 深層神經(jīng)網(wǎng)絡(luò)（MLP，CNN，RNN，LSTM）的基本類型和數(shù)據(jù)類型

• 在深度學習中使用的詞匯，概念和算法的工作知識

• 如何構(gòu)建：

• 使用多級Logistic回歸和MLP（多層感知器）來識別手寫數(shù)字圖像的端到端模型

• 用于改善數(shù)字識別的CNN（卷積神經(jīng)網(wǎng)絡(luò)）模型

• 用于預(yù)測時間序列數(shù)據(jù)的RNN（回歸神經(jīng)網(wǎng)絡(luò)）模型

• LSTM（長期短期記憶）模型處理順序文本數(shù)據(jù)

課程大綱

第1周: 介紹深度學習和機器學習概念的快速回顧

第2周: 使用邏輯回歸建立簡單的多類分類模型

第3周: 通過一個簡單的端到端模型檢測手寫數(shù)字圖像中的數(shù)字到深度神經(jīng)網(wǎng)絡(luò)

第4周: 用卷積網(wǎng)絡(luò)改進手寫數(shù)字識別

第5周: 使用經(jīng)常性網(wǎng)絡(luò)建立一個預(yù)測時間數(shù)據(jù)的模型

第6周: 使用循環(huán)LSTM（長期短期記憶）單元構(gòu)建文本數(shù)據(jù)應(yīng)用程序