中间
深度学习(使用TensorFlow 2, Keras和PyTorch)

深度学习(使用TensorFlow 2, Keras和PyTorch)

本课程介绍人工神经网络,将高级理论带入生活与互动实验室的TensorFlow, Keras, 以及PyTorch——领先的深度学习库. 基本理论将涵盖在一种方式,为学生提供一个完整的直观的理解深度学习的基础. 结合在Jupyter笔记本上的实践代码运行,以及克服常见陷阱的战略建议, 这一基础知识将使以前对神经网络没有任何了解的个人能够在所有当代家庭中构建可用于生产的深度学习应用程序, 包括:

  • Convolutional Networks for machine vision
  • 用于自然语言处理和时间序列分析的长短期记忆循环网
  • 生成对抗网络产生令人瞠目结舌的合成数据
  • 复杂序列决策的强化学习
In response to COVID-19 State reopening, 我们所有的课程都可以在现场或远程/在线学习. 请以电邮方式注明您的选择 [email protected] after registering for our class
我们现在不提供这个课程. 请加入我们的候补名单,当它再次可用时,我们会通知您.
了解更多有关我们专业发展课程的信息.
DOWNLOAD COURSE INFORMATION

Product 描述

Course Overview

廉价计算能力的融合使其更加便利, unprecedentedly large data sets, 和 clever theoretical advances, 深度学习算法正在推动人工智能领域的当代革命. 深度学习在广泛的应用中具有独特的影响力, including classification (e.g.、视觉识别、情感分析)、预测(e.g.,股票市场,健康结果),世代(e.g.例如,创作艺术作品、作曲)和连续的决策(例如,创作作品、作曲).g., games,robotics). In the past few years, 深度神经网络已经进入了无数的日常应用, including Tesla’s Autopilot, Amazon’s Alexa, 和 Google’s suggested email replies. 事实上, 在语言翻译等以前难以解决的计算问题上,深度学习算法已经超越了人类的表现, object detection, 和 the game of Go.

本课程介绍人工神经网络,将高级理论带入生活与互动实验室的TensorFlow 2, Keras, 和PyTorch -三个主要的深度学习库. 基本理论将涵盖在一种方式,为学生提供一个完整的直观的理解深度学习的基础. 结合在Jupyter笔记本上的实践代码运行,以及克服常见陷阱的战略建议, 这一基础知识将使以前对神经网络没有任何了解的个人能够在所有当代家庭中构建可用于生产的深度学习应用程序, 包括:

  • Convolutional Networks for machine vision
  • 用于自然语言处理和时间序列分析的长短期记忆循环网
  • 生成对抗网络产生令人瞠目结舌的合成数据
  • 复杂序列决策的深度强化学习

Prerequisites

如果没有面向对象编程方面的一些经验,就很难完成代码演示和练习, 最好是Python(这里是入门课程). 有其他语言学习经验的学生.g., R) have, however, been very successful.

证书

证书将在课程圆满结束时颁发. 学生的评估是基于他们所要求的家庭作业和期末项目(如适用)的表现的及格/不及格。. 学生完成80%的家庭作业,并参加85%以上的课程,才有资格获得结业证书.

教学大纲

Unit 1:深度学习的不合理效果

  • 神经网络与深度学习概论
  • 人工神经网络的交互式可视化
  • 深度学习的硬件选项,包括如何构建深度学习服务器
  • 在Docker容器中运行Jupyter笔记本
  • 深度神经网络家族及其应用
  • 具有Keras层的浅层TensorFlow 2神经网络

Unit 2: How Deep Learning Works

  • Essential Theory I: Neural Units
  • Interactive Visualization of Neural Units
  • 基本理论二:代价函数、梯度下降和反向传播
  • 神经网络的交互式可视化
  • An 中间 Neural Network
  • Data Sets for Deep Learning
  • Your Deep Learning Project: 形成概念

第三单元:建立和赌博10大排行网站一个深度学习网络

  • Review Content 和 Take-首页 Exercises
  • 基本理论三:权重初始化和小批量
  • 基本理论四:不稳定梯度和避免过拟合
  • 基于Keras层的深度TensorFlow 2神经网络
  • 张量板和模型输出的解释

Unit 4: Machine Vision

  • 视觉识别卷积神经网络导论
  • 经典的ConvNet架构:LeNet-5和AlexNet
  • Object Detection
  • Image Segmentation
  • Transfer Learning
  • Your Deep Learning Project: 制定

Unit 5: Natural Language Processing

  • Reviewing Content 和 Take-首页 Exercises
  • 单词向量:word2vec和向量空间嵌入
  • Recurrent Neural Networks
  • Long Short-Term Memory Units
  • Gated Recurrent Units
  • Classifying Documents: Sentiment Analysis

Unit 6: Time Series Analysis

  • Autoencoders: Encoder-Decoder Structures
  • Sequence-to-Sequence Models 和 Attention
  • Financial Forecasting
  • Hyperparameter Tuning
  • Non-Sequential Models
  • Your Deep Learning Project:评估

Unit 7: 先进的 TensorFlow

  • Introducing TensorFlow Graphs
  • 用TensorFlow图表示神经元
  • Optimizing TensorFlow Graphs
  • Deep Learning with TensorFlow 1.x
  • Deep Learning with TensorFlow 2.x

Unit 8: PyTorch

  • 领先的深度学习库的比较
  • Autodifferentiation
  • PyTorch中的顺序深度学习模型
  • PyTorch中的正向传播和优化
  • Model Validation in PyTorch
  • Your Deep Learning Project: 改善

Unit 9: Generative Adversarial Networks

  • GAN Applications
  • Essential GAN Theory
  • Simulating Artistic Creativity with a GAN
  • 资源 for Deep Learning Self-Study

Unit 10: Reinforcement Learning

  • Applications of Reinforcement Learning
  • 强化学习环境:OpenAI健身房
  • Essential Reinforcement Learning Theory
  • Deep Q-Learning Networks
  • 政策梯度和参与者-批评家算法
  • 珍妮·卡尔芒和你在人工智能革命中的角色
  • Your Deep Learning Project: 演讲

Our 校友 Feedback

你可以读一些关于深度学习的书事实上,讲师Jon Krohn也有一本新书. 然而, 在阅读和理解概念和编写代码来解决现实问题之间存在差距. This course completely fills 的差距. 老师确实给了你概念基础,假设没有先验知识. 我确实有一些先验知识,但这门课仍然是独立的. 我认为30-40%的课堂时间花在讨论解决实际问题的代码上. 我认为这是一种完美的平衡:如果不全面理解为什么需要这些参数,你就不能深入研究代码,如果不忽视“我从哪里开始”的实际问题,你就不能深入研究理论。. 讲师非常和蔼可亲,很容易介绍他自己在这个行业的经验.
马吕斯Popa
我在2019年秋冬参加了Jon Krohn的深度学习课程. Jon是一个罕见的沟通者,他有能力以易于理解的方式简明地解释严谨而复杂的主题. 他的课程是一项雄心勃勃的事业,但乔恩的主题 matter as accessible as it’s likely to be. After the course, 你不仅会对神经网络有一个基本的了解, 还有Jon为您继续自我试验收集的资源. Jon’s approachability as an instructor, 他对尖端科学的热爱, 他真诚地希望看到他的学生提高他们的理解力,这是最好的办法.
贾斯汀L. Ng

"Great introduction to Deep Learning "

我于2018年4月完成了NYDS的深度学习课程. 课程课程提供坚实的理解核心理论概念及其实际应用. 关于这门课最好的部分是Jon Krohn讨论了最新的论文/研究工作(截至2018年1月),并分享了他的经验和最佳实践. 如果你有一些数据/编程相关工作的背景,想要进入深度学习,你会强烈推荐这门课程吗.
Sudhanshu Chib, Lead Analyst

“深度学习/人工智能之旅的起点”

对于那些想要进入人工智能/深度学习领域的人,我强烈推荐这门课程作为入门课程, 和the initial stages of your journey. 虽然我之前学习过理论,也自学过如何建立DL模型,但我仍然认为,要想建立最好的深度学习模型,对理论和实践知识都有扎实的理解是至关重要的. 2018年3月,我是Jon Krohn深度学习课程的一名学生. Building a foundational base in DL was what I was looking for from this course; 和 it was what this course delivered. You will touch all the core areas of DL, from feedforward neural nets to RNNs, cnn甚至GANs和RL都覆盖了计算机视觉和自然语言处理等应用. Most importantly, 在整个课程中,Jon以一种无需博士学位也能理解理论的方式涵盖了每个模型的具体细节——在课堂上自己实现DL模型,以巩固所学习的内容. 最重要的是,你会和一群和你一样渴望学习的聪明人在一起. With some work 和 effort out of class, 有了这个课程,你可以从零到自信地建立你自己的深度学习模型在一个月内.
Christian Urrea,机器学习工程师

“Jon Krohn的深度学习课程非常好..."

感谢Jon Krohn教授课程的方法以及他对所有材料的系统组织. 也, 非常关注这些问题,并试图尽快得到建设性的帮助. 我个人的一点印象是:课程的机器视觉部分准备得更好,有了有趣和容易得到的例子,而NLP部分本可以更加详细, 但如果你比较这两个区域,这是默认情况. 但, 我知道Jon能够很容易地组织好第一个注意到的步骤,我真的相信这只是他和他的同伴多几个想法的问题. 也许多上一天的课可以更好地覆盖这些材料. 另一个缺少的东西是关于如何在任何环境中部署用于生产环境的网络的简单示例.
Alexey Malafeyev,商业智能开发人员

"Deep Learning w Jon Krohn"

Jon's course on Deep Learning was great. 它从基础开始,包括背景理论, 然后发展到观察不同领域的概念,比如计算机视觉, NLP, reinforcement learning, 等. 它需要一点编程经验, 但对于那些担心自己经验水平的人来说,这并不过分. 对于数学能力也是如此——对线性代数有一个基本的理解有助于理解理论, 但并不要求在实践中使用它. Following along in class was great, 此外,他拥有的课外学习材料也非常棒.e. 他在GitHub上的资料,他的演讲和外部资料的链接,等等.如果Jon学习中级/高级深度学习的课程, 或者深入探讨深度学习的主题, I'll definitely be on the waiting list!
Zach McCormick, Senior Software Engineer

"Jon Krohn: Deep Learning "

赌博10大排行网站Jon Krohn的深度学习课程是我上过的最好的课程之一. With a focus on projects, Jon教授学生们创建自己的任何层次的深度学习项目所需的工具. 当我说在任何层面时,我真的是指在任何层面. 我原本是生物专业的学生,一年前我打印了我的第一个“hello world”. 即使我的编码和编程背景非常有限, 我完成了一个深度学习项目,包括创建我自己的标签数据集和一个卷积网络分类器. 你可以在我的中页http://medium上看到它.com/@jhaseon / glut1ko-genotyping-classifier-e49f0e5a4ca9. 我真的很欣赏他的课程结构,他在课程的开始练习他称之为“阿森纳”的深度学习术语和理论,我相信这在我创造项目的能力中发挥了巨大的作用. 课程只有5周,所以每周都有很多信息, 但它确实是为所有层次的深度学习而设计的,从机器视觉或自然语言处理中的keras基础知识到张量流下的复杂知识. 在整个课程过程中,乔恩富有洞察力,积极响应,并鼓励他的学生. 他经常在白板上用容易理解的例子和图画来讲解困难的理论和概念,我觉得这些很有帮助. 我很期待他能给我上更多的课!
Ha Seon云

"Deep Learning by Jon Krohn"

Jon的深度学习课程为开始深度学习之旅的人提供了很好的学习体验. Jon从基本内容开始,逐渐转向高级主题. 话题会提前分享,这样我们可以在上课前做好准备. Jon以一种平衡的方式将直观性和数学结合在一起. 作为课程的一部分,Jon还鼓励每个人做一个项目,并提供了很大的支持. 我唯一的一个建设性的批评(顺便说一下,这根本不是批评)是最后一节课的内容有点沉重,因此可以考虑把它分解一下. 总的来说,我强烈推荐那些想从深度学习开始的人学习这门课程.
Navin Krishnakumar, Data Scientist

"Great intro to Deep Learning!"

我参加了赌博10大排行网站(NYC Data Science Academy)的深度学习课程,由乔恩·克罗恩(Jon Krohn)教授. Jon是个很棒的老师,我衷心推荐这门课程! Jon对提问有着极大的热情和耐心,同时还能让我们按计划进行. 他真的把事情分解得很简单, underst和able pieces, 同时也涵盖了大量的广度和深度. 我很感谢Jon提供了他的草稿书,这真的补充了他的讲座. 我喜欢每周一次的课程形式,因为它给了我时间来理解概念,并在课程间隙用我自己的数据进行练习. 我很感激Jon抽出时间解决我们在自己的项目中遇到的挑战. The course was both a great introduction to concepts 和 to some of the ways people are applying deep learning; here examples from Jon's day job were valuable. 课程中非常有用的一个方面是Jon为我们建立了一个Docker环境, 并分享了非常明确的指令,让我们的电脑提前安装它. We were all ready to go from the start. 我非常感激Jon在最近花了半个研讨会(由不同的赌博10大排行网站运营)与Anaconda进行斗争后建立了这个平台. 木星的笔记本都能用,所以我们可以专心学习.
Ilya Fischhoff, Postdoctoral Researcher

“强烈推荐Jon Krohn的深度学习课程”

Going into the course, 我有点担心自己会迷失在数学概念中, 可能没有必要的技术知识. 其实我在这门课上玩得很开心. Jon的备课能力超过了我曾经合作过的任何一位教育工作者. 他能够用超级容易理解的图像和/或视频来说明复杂的概念. When it came to application, he walked us through, line-by-line, all the code, 并逐渐增加复杂性. 诚实, 真不敢相信我们能涵盖卷积模型, recurrent models, generative adversarial networks, 在如此短的时间内进行深度强化学习. 在jupiter笔记本中有大量的示例代码. 除此之外,乔恩是一个非常好的人,非常谦虚. 这门课程对那些只想更详细地了解人工智能如何应用的人是有益的, 以及那些希望将深度学习技术加入自己的工具带的资深数据科学家. 我对学校唯一的建议是,如果能为我们建立一个云环境就更好了, 或者有非常具体的说明,告诉我们如何去做. 结果证明这是一次很好的学习经历, but for a non-technical person, it was slightly daunting at first.
Richard Sheng, Co-Founder & 首席执行官

" Deep learning is an amazing class"

我和乔恩·克罗恩一起上了这门课,我非常高兴. Jon有一种罕见的能力,能够将一个复杂的主题简化为基本元素. 而不是仅仅用数学来解决问题, Jon花时间制作例子和类比,以确保学生从概念上理解实际的构建模块. 这就产生了一种顿悟的体验,让我们能够将幕后发生的事情形象化. 我计划将我在这门课中学到的概念应用到现实世界的问题中,因此我强烈推荐任何想要学习这一领域的人参加这门课.
Khanan Grauer

"This Deep Learning Course Was a Joy"

我最近刚从Jon在赌博10大排行网站(New York Data Science Academy)的深度学习课程毕业,是他的超级粉丝. 我认为这门课程在向学生介绍深度学习方面做得很好, 帮助我们理解是什么让深度学习技术在各种任务中表现出色,然后深入到代码中(Keras, TensorFlow)向我们展示了如何旋转各种网络(NN回归器, NN Classifiers, Convolutional NN, RNN的, Reinforcement Learning networks, 甘斯). Jon是一名神经科学家博士,我特别喜欢这门课的一点是,Jon利用他的背景,将人工神经网络的内容与其生物学灵感联系起来. 为了突出一个例子,他列举了寒武纪大爆发和休贝尔 & 威塞尔关于猫视觉的突破性实验为地球上复杂的生物视觉系统的出现提供了背景和颜色, 它在大约5.4亿年前的物种形成爆炸中扮演的角色, 和 how in the (super recent, 20世纪50年代,科学界终于开始了解视觉知觉的神经基础. 正是这些科学理解上的突破激发了我们在课程中探索的机器视觉架构. 很多时候,这种感觉真的很让人匪夷所思. 我们鼓励学生完成课程的深度学习项目,当我们遇到困难时,我们有很多机会获得有价值的反馈和指导, which was great. 这门课程可能最适合有一些编码背景和熟悉基本机器学习概念的人. Overall, it was time 和 money well spent.
Michael Roman
我于2017年10月- 12月在赌博10大排行网站(NY Data Science Academy)参加了Jon Krohn教授的深度学习课程. 总的来说,这正是我所希望的. 它给了我一个坚实的基础,所有核心的深度学习概念. 这门课每隔一个周六举行一次,这让我们有足够的时间在课间充分探讨一个特定的话题. Jon特别努力保持材料简单,直观地解释概念,而不是复杂的数学. Jon对课程内容有很好的理解,每节课都做好了充分的准备. 我非常喜欢这门课,它激励我把我的职业转向深度学习. 我将把这门课程推荐给那些对深度学习充满热情但不知道从哪里开始的人. 对于那些接触过一些但不是所有深度学习技术的人来说,这本书也很有帮助.
发展部副主任Mahipal S
你可以读一些关于深度学习的书事实上,讲师Jon Krohn也有一本新书. 然而, 在阅读和理解概念和编写代码来解决现实问题之间存在差距. This course completely fills 的差距. 老师确实给了你概念基础,假设没有先验知识. 我确实有一些先验知识,但这门课仍然是独立的. 我认为30-40%的课堂时间花在讨论解决实际问题的代码上. 我认为这是一种完美的平衡:如果不全面理解为什么需要这些参数,你就不能深入研究代码,如果不忽视“我从哪里开始”的实际问题,你就不能深入研究理论。. 讲师非常和蔼可亲,很容易介绍他自己在这个行业的经验.
马吕斯Popa
我在2019年秋冬参加了Jon Krohn的深度学习课程. Jon是一个罕见的沟通者,他有能力以易于理解的方式简明地解释严谨而复杂的主题. 他的课程是一项雄心勃勃的事业,但乔恩的主题 matter as accessible as it’s likely to be. After the course, 你不仅会对神经网络有一个基本的了解, 还有Jon为您继续自我试验收集的资源. Jon’s approachability as an instructor, 他对尖端科学的热爱, 他真诚地希望看到他的学生提高他们的理解力,这是最好的办法.
贾斯汀L. Ng

"Great introduction to Deep Learning "

我于2018年4月完成了NYDS的深度学习课程. 课程课程提供坚实的理解核心理论概念及其实际应用. 关于这门课最好的部分是Jon Krohn讨论了最新的论文/研究工作(截至2018年1月),并分享了他的经验和最佳实践. 如果你有一些数据/编程相关工作的背景,想要进入深度学习,你会强烈推荐这门课程吗.
Sudhanshu Chib, Lead Analyst

“深度学习/人工智能之旅的起点”

对于那些想要进入人工智能/深度学习领域的人,我强烈推荐这门课程作为入门课程, 和the initial stages of your journey. 虽然我之前学习过理论,也自学过如何建立DL模型,但我仍然认为,要想建立最好的深度学习模型,对理论和实践知识都有扎实的理解是至关重要的. 2018年3月,我是Jon Krohn深度学习课程的一名学生. Building a foundational base in DL was what I was looking for from this course; 和 it was what this course delivered. You will touch all the core areas of DL, from feedforward neural nets to RNNs, cnn甚至GANs和RL都覆盖了计算机视觉和自然语言处理等应用. Most importantly, 在整个课程中,Jon以一种无需博士学位也能理解理论的方式涵盖了每个模型的具体细节——在课堂上自己实现DL模型,以巩固所学习的内容. 最重要的是,你会和一群和你一样渴望学习的聪明人在一起. With some work 和 effort out of class, 有了这个课程,你可以从零到自信地建立你自己的深度学习模型在一个月内.
Christian Urrea,机器学习工程师

“Jon Krohn的深度学习课程非常好..."

感谢Jon Krohn教授课程的方法以及他对所有材料的系统组织. 也, 非常关注这些问题,并试图尽快得到建设性的帮助. 我个人的一点印象是:课程的机器视觉部分准备得更好,有了有趣和容易得到的例子,而NLP部分本可以更加详细, 但如果你比较这两个区域,这是默认情况. 但, 我知道Jon能够很容易地组织好第一个注意到的步骤,我真的相信这只是他和他的同伴多几个想法的问题. 也许多上一天的课可以更好地覆盖这些材料. 另一个缺少的东西是关于如何在任何环境中部署用于生产环境的网络的简单示例.
Alexey Malafeyev,商业智能开发人员

"Deep Learning w Jon Krohn"

Jon's course on Deep Learning was great. 它从基础开始,包括背景理论, 然后发展到观察不同领域的概念,比如计算机视觉, NLP, reinforcement learning, 等. 它需要一点编程经验, 但对于那些担心自己经验水平的人来说,这并不过分. 对于数学能力也是如此——对线性代数有一个基本的理解有助于理解理论, 但并不要求在实践中使用它. Following along in class was great, 此外,他拥有的课外学习材料也非常棒.e. 他在GitHub上的资料,他的演讲和外部资料的链接,等等.如果Jon学习中级/高级深度学习的课程, 或者深入探讨深度学习的主题, I'll definitely be on the waiting list!
Zach McCormick, Senior Software Engineer

"Jon Krohn: Deep Learning "

赌博10大排行网站Jon Krohn的深度学习课程是我上过的最好的课程之一. With a focus on projects, Jon教授学生们创建自己的任何层次的深度学习项目所需的工具. 当我说在任何层面时,我真的是指在任何层面. 我原本是生物专业的学生,一年前我打印了我的第一个“hello world”. 即使我的编码和编程背景非常有限, 我完成了一个深度学习项目,包括创建我自己的标签数据集和一个卷积网络分类器. 你可以在我的中页http://medium上看到它.com/@jhaseon / glut1ko-genotyping-classifier-e49f0e5a4ca9. 我真的很欣赏他的课程结构,他在课程的开始练习他称之为“阿森纳”的深度学习术语和理论,我相信这在我创造项目的能力中发挥了巨大的作用. 课程只有5周,所以每周都有很多信息, 但它确实是为所有层次的深度学习而设计的,从机器视觉或自然语言处理中的keras基础知识到张量流下的复杂知识. 在整个课程过程中,乔恩富有洞察力,积极响应,并鼓励他的学生. 他经常在白板上用容易理解的例子和图画来讲解困难的理论和概念,我觉得这些很有帮助. 我很期待他能给我上更多的课!
Ha Seon云

"Deep Learning by Jon Krohn"

Jon的深度学习课程为开始深度学习之旅的人提供了很好的学习体验. Jon从基本内容开始,逐渐转向高级主题. 话题会提前分享,这样我们可以在上课前做好准备. Jon以一种平衡的方式将直观性和数学结合在一起. 作为课程的一部分,Jon还鼓励每个人做一个项目,并提供了很大的支持. 我唯一的一个建设性的批评(顺便说一下,这根本不是批评)是最后一节课的内容有点沉重,因此可以考虑把它分解一下. 总的来说,我强烈推荐那些想从深度学习开始的人学习这门课程.
Navin Krishnakumar, Data Scientist

"Great intro to Deep Learning!"

我参加了赌博10大排行网站(NYC Data Science Academy)的深度学习课程,由乔恩·克罗恩(Jon Krohn)教授. Jon是个很棒的老师,我衷心推荐这门课程! Jon对提问有着极大的热情和耐心,同时还能让我们按计划进行. 他真的把事情分解得很简单, underst和able pieces, 同时也涵盖了大量的广度和深度. 我很感谢Jon提供了他的草稿书,这真的补充了他的讲座. 我喜欢每周一次的课程形式,因为它给了我时间来理解概念,并在课程间隙用我自己的数据进行练习. 我很感激Jon抽出时间解决我们在自己的项目中遇到的挑战. The course was both a great introduction to concepts 和 to some of the ways people are applying deep learning; here examples from Jon's day job were valuable. 课程中非常有用的一个方面是Jon为我们建立了一个Docker环境, 并分享了非常明确的指令,让我们的电脑提前安装它. We were all ready to go from the start. 我非常感激Jon在最近花了半个研讨会(由不同的赌博10大排行网站运营)与Anaconda进行斗争后建立了这个平台. 木星的笔记本都能用,所以我们可以专心学习.
Ilya Fischhoff, Postdoctoral Researcher

“强烈推荐Jon Krohn的深度学习课程”

Going into the course, 我有点担心自己会迷失在数学概念中, 可能没有必要的技术知识. 其实我在这门课上玩得很开心. Jon的备课能力超过了我曾经合作过的任何一位教育工作者. 他能够用超级容易理解的图像和/或视频来说明复杂的概念. When it came to application, he walked us through, line-by-line, all the code, 并逐渐增加复杂性. 诚实, 真不敢相信我们能涵盖卷积模型, recurrent models, generative adversarial networks, 在如此短的时间内进行深度强化学习. 在jupiter笔记本中有大量的示例代码. 除此之外,乔恩是一个非常好的人,非常谦虚. 这门课程对那些只想更详细地了解人工智能如何应用的人是有益的, 以及那些希望将深度学习技术加入自己的工具带的资深数据科学家. 我对学校唯一的建议是,如果能为我们建立一个云环境就更好了, 或者有非常具体的说明,告诉我们如何去做. 结果证明这是一次很好的学习经历, but for a non-technical person, it was slightly daunting at first.
Richard Sheng, Co-Founder & 首席执行官

" Deep learning is an amazing class"

我和乔恩·克罗恩一起上了这门课,我非常高兴. Jon有一种罕见的能力,能够将一个复杂的主题简化为基本元素. 而不是仅仅用数学来解决问题, Jon花时间制作例子和类比,以确保学生从概念上理解实际的构建模块. 这就产生了一种顿悟的体验,让我们能够将幕后发生的事情形象化. 我计划将我在这门课中学到的概念应用到现实世界的问题中,因此我强烈推荐任何想要学习这一领域的人参加这门课.
Khanan Grauer

"This Deep Learning Course Was a Joy"

我最近刚从Jon在赌博10大排行网站(New York Data Science Academy)的深度学习课程毕业,是他的超级粉丝. 我认为这门课程在向学生介绍深度学习方面做得很好, 帮助我们理解是什么让深度学习技术在各种任务中表现出色,然后深入到代码中(Keras, TensorFlow)向我们展示了如何旋转各种网络(NN回归器, NN Classifiers, Convolutional NN, RNN的, Reinforcement Learning networks, 甘斯). Jon是一名神经科学家博士,我特别喜欢这门课的一点是,Jon利用他的背景,将人工神经网络的内容与其生物学灵感联系起来. 为了突出一个例子,他列举了寒武纪大爆发和休贝尔 & 威塞尔关于猫视觉的突破性实验为地球上复杂的生物视觉系统的出现提供了背景和颜色, 它在大约5.4亿年前的物种形成爆炸中扮演的角色, 和 how in the (super recent, 20世纪50年代,科学界终于开始了解视觉知觉的神经基础. 正是这些科学理解上的突破激发了我们在课程中探索的机器视觉架构. 很多时候,这种感觉真的很让人匪夷所思. 我们鼓励学生完成课程的深度学习项目,当我们遇到困难时,我们有很多机会获得有价值的反馈和指导, which was great. 这门课程可能最适合有一些编码背景和熟悉基本机器学习概念的人. Overall, it was time 和 money well spent.
Michael Roman
我于2017年10月- 12月在赌博10大排行网站(NY Data Science Academy)参加了Jon Krohn教授的深度学习课程. 总的来说,这正是我所希望的. 它给了我一个坚实的基础,所有核心的深度学习概念. 这门课每隔一个周六举行一次,这让我们有足够的时间在课间充分探讨一个特定的话题. Jon特别努力保持材料简单,直观地解释概念,而不是复杂的数学. Jon对课程内容有很好的理解,每节课都做好了充分的准备. 我非常喜欢这门课,它激励我把我的职业转向深度学习. 我将把这门课程推荐给那些对深度学习充满热情但不知道从哪里开始的人. 对于那些接触过一些但不是所有深度学习技术的人来说,这本书也很有帮助.
发展部副主任Mahipal S

Campus Location

500 8th Ave Suite 905, New York, NY 10018
Nearby Subways
1 2 3 34th, Penn Station
A C E 34th, Penn Station
N Q R B D F M 34th, Herald Square
我们现在不提供这个课程. 请加入我们的候补名单,当它再次可用时,我们会通知您.

教练

Jon Krohn
Jon Krohn
Deep Learning Instructor
Jon Krohn是机器学习公司untapt的首席数据科学家. 他是一个受欢迎的人工神经网络系列教程的主持人, 包括Safari中的TensorFlow LiveLessons深度学习, 他在赌博10大排行网站教授深度学习课程. Jon拥有牛津大学(Oxford University)神经科学博士学位,自2010年以来一直在领先的学术期刊上发表有关机器学习的文章. 他在哥伦比亚大学和, 以及来自大学欧文医学中心的研究人员, 拥有美国国立卫生研究院(National Institutes of Health)的资助,利用深度学习实现医学图像的自动化处理. 他的书《赌博排行前十网站》(Deep Learning Illustrated)将于2019年由Pearson's Addison-Wesley出版(http://www.deeplearningillustrated.com).