Udemy線上課程 動手做非監督式機器學習：使用TensorFlow 2.0 講師:博碩文化 DrMaster 影音教學 中文發音 繁體中文版(DVD版)
在當今的企業環境中，機器學習可以說是變得越來越重要瞭。
它使用瞭監督式和非監督式的演算法，來解決各式各樣的商業問題。
在非監督式學習中，AI人工智慧系統嘗試根據數據之間的「相似性」和「差異性」，來對「未標記」和「未分類」的數據進行分類。
在這種情況下，和以「監督式學習」為基礎的功能相比，以模型為基礎的「非監督式學習方法」，其功能可以處理更複雜且更困難的問題。
在本課程中，我們將研究不同的非監督式學習方法，並使用TensorFlow平臺解決實際的問題。
此外，使用TensorFlow解決現實世界中的問題，這樣的範例亦更具有「啟發性」和「吸引力」，這將大大提升你的實踐技能。
在本課程結束時，你將在TensorFlow上使用非監督式學習的演算法，並獲得大量的「動手做」體驗；你將能夠建立自己的模型，來解決相關的真實世界學習問題。
註意事項： 本影片採一節理論一節實作，在觀看實作之前，請先下載並開啟原始碼，稍作瀏覽並執行，然後才觀看影片的解說（影片隻會挑程式碼當中的重點來解說），最後再重頭看一遍程式碼，就能理解程式碼的實作原理。
教學特色： 修正英文字幕中錯誤的語音辨識。
採取人工專業的翻譯。
譯者補充作者未能清楚說明之處。
01 非監督式學習和TensorFlow 2.0入門
001 課程概述.mp4
002 非監督式機器學習與其應用.mp4
003 TensorFlow 2.0概述.mp4
004 環境設置.mp4
external-assets-links.txt
02 集群
005 什麼是分群法.mp4
006 K-Means分群法.mp4
007 使用TensorFlow 2.0實作K-Means分群法.mp4
008 階層式分群法（Hierarchical Clustering）.mp4
009 使用Python實作階層式分群法.mp4
010 t-SNE演算法.mp4
011 使用Python實作t-SNE.mp4
012 DBSCAN.mp4
013 使用Python實作DBSCAN.mp4
03 PCA （主成分分析，Principal Component Analysis）
014 什麼是PCA（主成分分析）？.mp4
015 使用TensorFlow 2.0在鳶尾花資料集上實作PCA.mp4
04 異常值檢測
016 異常偵測（Anomaly Detection）.mp4
017 使用TensorFlow 2.0實作異常偵測.mp4
05 自動編碼器
018 自動編碼器（Autoencoders）與其應用.mp4
019 使用TensorFlow 2.0在MNIST資料集上實作自動編碼器.mp4
06 DBN（深度信念網絡，Deep Belief Networks）
020 DBN（深度置信網路）與其應用.mp4
021 實作DBN.mp4
07 GAN（生成對抗網路，Generative Adversarial Networks）
022 GAN（生成對抗網路）與其應用.mp4
023 使用TensorFlow 2.0實作GAN.mp4
024 GAN中的生成器（Generator）.mp4
025 GAN中的優化器（Optimizer）.mp4
08 自組織對映演算法
026 自組織映射（SOM）與其應用.mp4
027 在乳癌資料集上實作SOM.mp4
|
|
您現在的位置：
專業知識教學
