初级
提供者 : Gabriel Popoola
6 章节 · 24 课时 · 1h 25m
语言：阿拉伯语, 德语, 英语, 西班牙语, 法语, 葡萄牙语, 乌尔都语, 简体中文
课程描述
在本课程中，您将学习神经网络的基础知识。您将收到关于神经网络和密切相关的概念和主题的介绍。您将能够了解神经网络的各个设计方面以及如何为它们进行选择。本课程还将介绍如何实现神经网络——特别是在python中。将讨论不同神经网络框架和实现的优点。所有的概念和理论都将通过示例以及实际应用的讨论联系在一起。在本课程结束时，您将了解实现神经网络的多种方法，以及如何为神经网络的各个方面选择算法、方法和值。
您将学到的内容
- 理解神经网络的概念及其应用方式
- 识别神经网络的各种设计要素，并掌握相应的选择方法
- 区分不同类型的神经网络，包括MLP和卷积网络
- 使用Python以多种方式实现神经网络
- 配置激活函数、损失函数、优化器、超参数和网络层
- 将神经网络应用于实际场景，如异常检测、自动化、网络安全和预测系统
关键要点
- 神经网络可使用Python以多种方式实现，包括使用Scikit-Learn和PyTorch。
- 可根据所使用数据的类型来确定相应的神经网络类型。
- 设计神经网络需要为激活函数、损失函数、优化器、超参数和网络层等要素选择合适的算法、方法和参数值。
- 神经网络的相关库和框架包括TensorFlow、Keras和PyTorch，GPU加速可为实现提供支持。
- 神经网络具有广泛的实际应用，包括异常/威胁检测、自动化、网络安全和预测系统。
常见问题
本课程涵盖哪些内容？
本课程涵盖神经网络的基础知识，包括神经网络及相关概念简介、神经网络的各种设计要素、不同类型的神经网络、如何在Python中实现神经网络、不同框架和实现方式的优势，以及实际应用场景。
我能学会如何用代码实现神经网络吗？
能。本课程讲授如何实现神经网络，具体以Python为例，包括使用Scikit-Learn和PyTorch，并介绍TensorFlow、Keras和PyTorch等相关库和框架。
课程中讨论了哪些类型的神经网络？
本课程涵盖不同类型的神经网络，包括MLP和卷积网络，以及如何根据数据类型确定相应的神经网络类型。
课程包含哪些神经网络的实际应用？
本课程探讨的实际应用包括异常/威胁检测、自动化、网络安全和预测系统。
完成课程后我能掌握哪些能力？
完成本课程后，您将了解实现神经网络的多种方式，并掌握如何为神经网络各要素选择合适的算法、方法和参数值。
