Deep Learning A-Z™：人工神经网络实践

*** 如Kickstarter所示 ***人工智能正呈指数级增长。这点毫无疑问。自动驾驶汽车的驾驶里程已经能够达到数百万英里，IBM Watson对患者的诊断比许多医生都好，谷歌Deepmind的AlphaGo在Go上击败了世界围棋冠军 - 围棋是一种直觉起着关键作用的游戏。但是，随着人工智能的进一步发展，需要解决的问题就越复杂。只有深度学习可以解决这些复杂的问题，这就是为什么它是人工智能的核心。--- 为什么选择Deep Learning A-Z？---以下是我们认为Deep Learning A-Z™真正与众不同的五个原因，并因此从众多其他培训计划中脱颖而出：1.强大的结构我们聚焦的第一件也是最重要的事情就是为课程提供一个强大的结构。深度学习是非常广泛和复杂的，要走出这个迷宫，你需要一个明确的全球视野。这就是为什么我们将教程分为两册，分别代表深度学习的两个基本分支：有监督深度学习和无监督深度学习。每一册都关注三种独特的算法，我们发现这是掌握深度学习的最佳结构。2.直觉教程很多课程和书籍只是用理论、数学和编码对你狂轰滥炸...但他们忘了解释或许是最重要的部分：你为什么要做自己正在做的事情。这就是这门课程如此不同的地方。我们专注于为深度学习算法背后的概念开发一种直观的*感觉*。学习我们的直觉教程，你将有信心在本能层面上理解所有技术。一旦你开始动手编码练习，你会亲眼发现你的体验会变得更有意义。这是一套改变游戏规则的课程。3.令人振奋的项目你是否厌倦了以过度使用的过时数据集为基础开发的课程？对吧？好了，快来体验下我们的课程吧。在本课程中，我们将研究真实的数据集，以解决实际的业务问题。（绝对不是我们在每门课程中看到的那种无聊的虹膜或数字分类数据集）。在本课程中，我们将解决六个现实世界的挑战：· 解决客户流失问题的人工神经网络· 用于图像识别的卷积神经网络· 预测股票价格的递归神经网络· 调查欺诈的自组织映射· 创建推荐系统的玻尔兹曼机(Boltzmann Machine)· 接受挑战，助力赢得Netflix百万美金大奖的堆叠自编码器(Stacked Autoencoder)**堆叠自编码器是深度学习中的一种全新技术，几年前根本还不存在这种技术。我们还没有在哪儿见到过这种方法能被以足够的深度进行解释。4.动手编码在Deep Learning A-Z™中，我们与您一起编码。每套实用教程都是从一张白纸开始的，让我们从零开始编写代码。通过这种方式，你可以顺着完全理解代码是如何组合在一起的，以及每行代码的含义。此外，我们将以这种方式有目的地构建代码，以便你可以下载并将其应用于自己的项目中。此外，我们会逐步解释在何处以及如何修改代码以插入你的数据集，根据你的需要定制算法，以获得你所需要的输出。这是一门自然延伸至你职业生涯的课程。5.课程内支持你是否上过一门课程或阅读过一本书，虽然有问题但无法联系到作者？好了，这门课程可不同哦。我们完全致力于使这门课程成为世界上最具破坏性和最强大的深度学习课程。当你需要我们的帮助时，我们有责任时刻为你解疑答惑。事实上，由于我们身体上也需要进食和睡眠，因此我们组建了一支专业的数据科学家团队来帮助我们。无论您何时提出问题，最多48小时内即可得到我们的回复。无论你的问题有多复杂，我们都会帮你解答。归根结底，我们希望你成功。--- 工具 ---Tensorflow和Pytorch是深度学习中最受欢迎的两个开源库。在本课程中，这两个库你都会学习到！TensorFlow由谷歌开发，用于他们的语音识别系统、新的谷歌照片产品、Gmail、谷歌搜索等等。使用Tensorflow的公司包括AirBnb、Airbus、Ebay、Intel、Uber等。PyTorch同样强大，目前正由Nvidia和一流大学（斯坦福、牛津、巴黎高科）的研究人员进行开发。使用PyTorch的公司包括Twitter、Saleforce和Fac