神经网络技巧总集篇

本系列的内容注重在如何提升机器学习的效率,调整机器学习的模式等,适合于已经入门机器学习,却还没有找到好方法去运用机器学习的同学们。

      神经网络技巧

    课程背景:

    本系列的内容注重在如何提升机器学习的效率,调整机器学习的模式等,适合于已经入门机器学习,却还没有找到好方法去运用机器学习的同学们。


    如果你对以下的内容还存在疑问,那么学习本系列课程,你将找到答案。

    在做好了属于自己的神经网络之后, 应该如何来评价自己的神经网络?

    神经网络模型为何迟迟得不到收敛?

    怎样才能找到真正“合适”的特征?

    为什么在神经网络模型中,总是少不了“激励函数”?

    为什么自己的神经网络在训练数据中有很高的准确性,却不适用于测试数据?

    最近流行的Batch Normal又是什么?


    先学课程:

    本教程作为神经网络基础课程的进阶课程,学习前需要具备“神经网络基础”。

    2dbd83eaeedf68cedef216d758fb4f6a.png

    神经网络基础入门专题


    更多相关课程:

    本课程以理论讲解为主要内容,如果你觉得只讲理论不过瘾,那么可以使用Tensorflow进行实践。

    3ce29a33ed44fa8a2997250ded668d9b.png

    Tensorflow实践系列课程


讲师介绍
莫烦

莫烦,原名周沫凡,澳洲格里菲斯大学在读博士生,悉尼科技大学访问学者,主要研究为强化学习的应用。