Chia Sẻ Khóa Học Machine Learning Và Deep Learning Trong Python 2022 [Khóa 8167 A]
Machine Learning, Neural Networks, Computer Vision, Deep Learning và Reinforcement Learning trong Keras và TensorFlow.
Bạn sẽ học được gì:
- ✓ Giải các bài toán hồi quy - regression (linear regression và logistic regression).
- ✓ Giải các bài toán Phân loại - Classification (naive Bayes classifier, Support Vector Machines - SVM).
- ✓ Sử dụng neural networks (feedforward neural networks, deep neural networks, convolutional neural networks và recurrent neural networks).
- ✓ Các kỹ thuật machine learning cập nhật nhất được sử dụng bởi các công ty như Google hoặc Facebook.
- ✓ Face detection với OpenCV.
- ✓ TensorFlow và Keras.
- ✓ Deep learning - deep neural networks, convolutional neural networks (CNNS), recurrent neural networks (RNN).
- ✓ Reinforcement learning - Q learning và deep Q learning approaches.
Bạn quan tâm đến Machine Learning, Deep Learning và Computer Vision? Sau đó, khóa học này là dành cho bạn!
Khóa học này nói về các khái niệm nền tảng của machine learning, deep learning, reinforcement learning và machine learning. Những chủ đề này đang trở nên rất hot hiện nay vì những thuật toán học này có thể được sử dụng trong một số lĩnh vực từ kỹ thuật phần mềm đến ngân hàng đầu tư.
Trong mỗi phần, chúng ta sẽ nói về nền tảng lý thuyết cho tất cả các thuật toán này, sau đó chúng ta sẽ thực hiện các bài toán này cùng nhau. Chúng ts sẽ sử dụng Python với SkLearn, Keras và TensorFlow .
I. MACHINE LEARNING:
1.) Linear Regression:
- ✓ Tìm hiểu mô hình hồi quy tuyến tính.
- ✓ Correlation và covariance matrix.
- ✓ Mối quan hệ tuyến tính giữa các random variable.
- ✓ Gradient descent và design matrix approaches.
2.) Logistic Regression:
- ✓ Linear regression model.
- ✓ Classification algorithms basic.
- ✓ Maximum likelihood function và estimation.
3.) K-Nearest Neighbors Classifier:
- ✓ K-nearest neighbour classifier là gì?
- ✓ Non-parametric machine learning algorithm.
4.) Naive Bayes Algorithm:
- ✓ Naive Bayes Algorithm là gì?
- ✓ Classification based on probability.
- ✓ Cross-validation.
- ✓ Overfitting và underfitting.
5.) Support Vector Machines (SVM):
- ✓ Support vector machines (SVM) và support vector classifiers (SVC).
- ✓ Maximum margin classifier.
- ✓ Kernel trick.
6.) Decision Trees và Random Forests:
- ✓ Decision tree classifier.
- ✓ Random forest classifier.
- ✓ Combining weak learners.
7.) Bagging và Boosting:
- ✓ Bagging và Boosting là gì?
- ✓ AdaBoost algorithm.
- ✓ Combining weak learners (wisdom of crowds).
8.) Clustering Algorithms:
- ✓ Clustering Algorithms là gì?
- ✓ K-means clustering và the elbow method.
- ✓ DBSCAN algorithm.
- ✓ Hierarchical clustering.
- ✓ Market segmentation analysis.
II. NEURAL NETWORKS VÀ DEEP LEARNING:
9.) Feed-Forward Neural Networks:
- ✓ Single layer perceptron model.
- ✓ Feed.forward neural networks.
- ✓ Activation functions.
- ✓ Backpropagation algorithm.
10.) Deep Neural Networks:
- ✓ Deep Neural Networks là gì?
- ✓ ReLU activation functions và vanishing gradient problem.
- ✓ Training deep neural networks.
- ✓ Loss functions (cost functions).
11.) Convolutional Neural Networks (CNNs):
- ✓ Convolutional Neural Networks là gì?
- ✓ Feature selection với kernels.
- ✓ Feature detectors.
- ✓ Pooling và flattening.
12.) Recurrent Neural Networks (RNNs):
- ✓ Recurrent Neural Networks là gì?
- ✓ Training recurrent neural networks.
- ✓ Exploding gradients problem.
- ✓ LSTM và GRUs.
- ✓ Time series analysis với LSTM networks.
13.) Reinforcement Learning:
- ✓ Markov Decision Processes (MDPs).
- ✓ Value iteration và policy iteration.
- ✓ Exploration vs exploitation problem.
- ✓ Multi-armed bandits problem.
- ✓ Q learning và deep Q learning.
- ✓ Learning tic tac toe với Q learning và deep Q learning.
III. COMPUTER VISION:
14.) Image Processing Fundamentals:
- ✓ Lý thuyết thị giác máy tính.
- ✓ Pixel intensity values là gì.
- ✓ Convolution và kernels (filters).
- ✓ Blur kernel.
- ✓ Sharpen kernel.
- ✓ Edge detection trong computer vision (edge detection kernel).
15.) Serf-Driving Cars và Lane Detection:
- ✓ Cách sử dụng các phương pháp tiếp cận computer vision trong lane detection.
- ✓ Thuật toán Canny.
- ✓ Cách sử dụng Hough transform để find line dựa trên pixel intensities.
16.) Face Detection với Viola-Jones Algorithm:
- ✓ Viola-Jones approach trong computer vision.
- ✓ Sliding-windows approach là gì.
- ✓ Phát hiện khuôn mặt trong hình ảnh và trong video.
17.) Histogram of Oriented Gradients (HOG) Algorithm:
- ✓ Cách voutperform Viola-Jones algorithm với các cách tiếp cận tốt hơn.
- ✓ Cách detects gradients và edges trong một hình ảnh.
- ✓ Constructing histograms of oriented gradients.
- ✓ Sử dụng support vector machines (SVMs) làm underlying machine learning algorithms.
18.) Convolution Neural Networks (CNNs) Based Approaches:
- ✓ Bài toán với sliding-windows approach là gì.
- ✓ Region proposals và selective search algorithms.
- ✓ Region based convolutional neural networks (C-RNNs).
- ✓ Fast C-RNNs.
- ✓ Faster C-RNNs.
19.) You Only Look Once (YOLO) Object Detection Algorithm:
- ✓ YOLO approach là gì?
- ✓ Constructing bounding boxes.
- ✓ Làm thế nào để phát hiện các đối tượng trong một hình ảnh với một cái nhìn duy nhất?
- ✓ Intersection of union (IOU) algorithm.
- ✓ Làm thế nào để giữ bounding box phù hợp nhất với non-max suppression ?
20.) Single Shot MultiBox Detector (SSD) Object Detection Algorithm SDD:
- ✓ Ý tưởng chính đằng sau thuật toán SSD là gì.
- ✓ Constructing anchor boxes.
- ✓ Kiến trúc VGG16 và MobileNet.
- ✓ Implementing SSD với video thời gian thực.
NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU
Chia sẽ bài viết lên:
Nhà Sách Tin Học
Chào mừng các bạn đến với Blog Nhà Sách Tin Học. Thông qua Blog này mình muốn chia sẻ đến các bạn những kiến thức về tin học, các tài liệu hay giáo trình mà mình có hoặc siêu tầm được... Mình rất mong được sự ủng hộ nhiệt tình của các bạn bằng cách comment bài viết, chia sẻ bài viết hoặc liên hệ với mình qua blog này! Mình xin cảm ơn!
No Comment to " Chia Sẻ Khóa Học Machine Learning Và Deep Learning Trong Python 2022 [Khóa 8167 A] "