Jeremy Howard 在业界可谓大名鼎鼎。他是大数据竞赛平台 Kaggle 的前主席和首席科学家。他本人还是 Kaggle 的冠军选手。他是美国奇点大学(Singularity University)最年轻的教职工。曾于 2014 年,作为全球青年领袖,在达沃斯论坛上发表主题演讲。他在 TED 上的演讲 The wonderful and terrifying implications of computers that can learn 收获高达 200 万的点击。同时,他还创立了 Enlitic, FastMail,以及 Optimal Decisions Group 三家科技公司,并担任 CEO。

2017 年Jeremy Howard 又创立了 Fast AI 技术分享平台,免费提供关于深度学习技术的系列视频教程,以帮助从业者迅速开发人工智能相关产品。

咪博士吐血推荐的深度学习教程,由 Jeremy Howard 亲自讲授。它是一门实战性极强的课程。身为 Kaggle 竞赛冠军的 Jeremy Howard 将亲自教你如何打造业界最好的深度神经网络。Jeremy Howard  在课程中分享了那些真正在工程实践中使用过,并且证明行之有效的方法,而不仅仅是那些理论上的定义和公式!

该课程分为上、下两部。每一部,包含大约 7 个视频,约 20 个小时的时长。下面是课程目录:

Part 1: Practical Deep Learning For Coders

  • How to set up your AWS deep learning server
  • 01. Recognizing cats and dogs
  • 02. Convolutional neural networks
  • 00. Why deep learning & Intro to convolutions
  • 03. Under fitting and over fitting
  • 04. Collaborative filtering, embeddings, and more
  • 05. Intro to NLP and RNNs
  • 06. Building RNNs
  • 07. Exotic CNN architectures & RNN from scratch

Bilibili 传送门:https://www.bilibili.com/video/av10156946/

Part 2: Cutting Edge Deep Learning For Coders

  • 08. Artistic Style
  • 09. Generative Models
  • 10. Multi-modal & GANs
  • 11. Memory Networks
  • 12. Attentional Models
  • 13. Neural Translation
  • 14. Time Series & Segmentation

Bilibili 传送门:https://www.bilibili.com/video/av12679341/

原文链接:http://www.ipaomi.com/2017/11/17/最实用的深度学习教程-practical-deep-learning-for-coders-kaggle-冠军-jeremy-howard-亲授/

转载于:https://www.cnblogs.com/ipaomi/p/7873529.html

最实用的深度学习教程 Practical Deep Learning For Coders (Kaggle 冠军 Jeremy Howard 亲授)...相关推荐

  1. 最实用的深度学习教程 Practical Deep Learning For Coders (Kaggle 冠军 Jeremy Howard 亲授)

    Jeremy Howard 在业界可谓大名鼎鼎.他是大数据竞赛平台 Kaggle 的前主席和首席科学家.他本人还是 Kaggle 的冠军选手.他是美国奇点大学(Singularity Universi ...

  2. 几何深度学习(Geometric Deep Learning)技术

    几何深度学习(Geometric Deep Learning)技术 几何深度学习综述 从论文Geometric Deep Learning: Grids, Groups, Graphs, Geodes ...

  3. 贝叶斯深度学习(Bayesian Deep Learning)2020 最新研究总结

    关注上方"肉眼品世界",选择星标, 作者丨Ziyue Wu@知乎 来源丨https://zhuanlan.zhihu.com/p/283633149 编辑丨极市平台 本文仅作学术分 ...

  4. 深度学习加速器堆栈Deep Learning Accelerator Stack

    深度学习加速器堆栈Deep Learning Accelerator Stack 通用张量加速器(VTA)是一种开放的.通用的.可定制的深度学习加速器,具有完整的基于TVM的编译器堆栈.设计了VTA来 ...

  5. 【深度学习】李宏毅2021/2022春深度学习课程笔记 - Deep Learning Task Tips

    文章目录 一.深度学习步骤回顾 二.常规指导 三.训练过程中Loss很大 3.1 原因1:模型过于简单 3.2 原因2:优化得不好 3.3 原因1 or 原因2 ? 四.训练过程Loss小.测试过程L ...

  6. 深度学习经典论文deep learning!入门必读!:deep learning yann lecun 深度学习

    深度学习 YannLeCun, Yoshua Bengio & Geoffrey Hinton 深度学习能够让多层处理层组成的计算模型学习多级抽象的数据的表达.这些方法极大地提高了语音识别,视 ...

  7. [翻译] 神经网络与深度学习 第六章 深度学习 - Chapter 6 Deep learning

    目录: 首页 译序 关于本书 关于习题和难题 第一章 利用神经网络识别手写数字 第二章 反向传播算法是如何工作的 第三章 提升神经网络学习的效果 第四章 可视化地证明神经网络可以计算任何函数 第五章 ...

  8. 深度学习论文笔记-Deep Learning Face Representation from Predicting 10,000 Classes

    来自:CVPR 2014   作者:Yi Sun ,Xiaogang Wang,Xiaoao Tang 题目:Deep Learning Face Representation from Predic ...

  9. 15.深度学习练习:Deep Learning Art: Neural Style Transfer

    本文节选自吴恩达老师<深度学习专项课程>编程作业,在此表示感谢. 课程链接:https://www.deeplearning.ai/deep-learning-specialization ...

最新文章

  1. Qt中的 Size Hints 和 Size Policies
  2. Typescript 其实就想排个序和枚举取数
  3. Science封面:三元锂电池安全性差、寿命短问题已解决,来自美国能源部华人团队最新研究...
  4. javap使用实例图解
  5. 基于py36的glob模块总结
  6. 就想问问你们,这种女朋友从哪里来的?
  7. centos7 修改yum源为阿里源
  8. plpgsql语句的兼容性
  9. python点击屏幕_python实现鼠标自动点击屏幕
  10. java设计模式_抽象工厂
  11. jsp如何跳转java_JSP的三种跳转方式
  12. 支付宝小程序设置服务器维护,教程|如何开发支付宝小程序服务端:蚂蚁金融云...
  13. rails 杂记 - erb 中的 form_helper
  14. 一个Java基础练习
  15. 【安全】【信息搜集】Google Hacking
  16. 基于6种监督学习(逻辑回归+决策树+随机森林+SVM+朴素贝叶斯+神经网络)的毒蘑菇分类
  17. spring-马士兵源码
  18. fs.readFile和fs.readFileSync的区别
  19. python ocr识别身份证_不告诉你我用了它配合Python简简单单开发OCR识别,带你识别手写体、印刷体、身份证等N种,附代码!...
  20. Git Cheat Sheet——Git的常用命令和最佳做法

热门文章

  1. [附源码]SSM计算机毕业设计关爱留守儿童志愿者管理系统PPTJAVA
  2. tomcat卸载失败:no service name specified
  3. c语言程序设计阶乘输出,C语言编写10的阶乘,用C语言编程求10的阶乘
  4. hive 神盾特工局_《神盾局特工》第三季剧终惊人:两位超高人气的角色离开
  5. Thinker热修复
  6. QT在使用protocal的问题解决记录之std :: string和QByteArray之间的无损转换
  7. 疯壳AI开源无人机地面站上位机的使用和介绍
  8. IMU(razor_imu_9dof,GY951)的校准和使用
  9. 网页TDK标签“title、description、keywords“(笔记)
  10. Image.FLIP_LEFT_RIGHT将被弃用