2020年Keras深度学习框架入门到实践视频教程（附代码、讲义、数据）88课

课程介绍：

本课程介绍深度学习和神经网络的概念，并使用keras框架带领同学们构建各种各样的机器学习网络和深度学习网络，非常适合入门学习。

适用人群：

希望学习keras框架的同学

希望学习深度学习的同学

希望学习机器学习的同学

课程目录：

章节1:课程简介与开发环境搭建试看

课时1视频Keras深度学习框架简介11:05可试看

课时2视频开发环境搭建与keras库的安装17:57可试看

章节2:机器学习基础试看

课时3视频机器学习基础与线性回归15:54可试看

课时4视频keras实现单变量线性回归22:23可试看

课时5视频keras实现多变量线性回归15:56可试看

课时6视频逻辑回归、softmax分类与交叉熵12:13

课时7视频Keras逻辑回归实例：泰坦尼克数据集 数据预处理16:23

课时8视频Keras实现逻辑回归18:56

课时9视频softmax多分类实例（一）17:50

课时10视频softmax多分类实例（二）09:01

章节3:多层感知器与神经网络

课时11视频多层感知器原理与梯度下降算法18:18

课时12视频激活函数和常见的优化算法14:09

课时13视频多层感知器代码实现11:03

课时14视频信用卡欺诈预测实例17:37

课时15视频过拟合与神经网络的客观评价17:11

课时16视频Dropout抑制过拟合10:59

课时17视频使用正则抑制过拟合13:24

课时18视频网络参数选择的原则09:38

章节4:Keras基础实例

课时19视频keras基础实例 - 手写数字识别14:56

课时20视频手写数字识别 - 模型的优化09:55

课时21视频模型的再优化与抑制过拟合05:16

课时22视频电影评论数据集及文本表示09:53

课时23视频文本向量化 - k-hot编码17:22

课时24视频keras序列预测 - 电影评论预测代码实现13:23

课时25视频keras神经网络基础总结09:53

课时26文本课程代码、数据集下载及keras安装文档

章节5:计算机视觉 - 卷积神经网络

课时27视频卷积神经网络简介14:26

课时28视频卷积层和池化层15:27

课时29视频卷积神经网络整体架构06:42

课时30视频keras卷积神经网络实例 - 输入数据形状13:38

课时31视频keras卷积神经网络实例 - 搭建模型整体架构14:11

课时32视频keras卷积神经网络实例 - 训练和优化08:35

课时33视频Keras卷积神经网络练习 - cifar10数据集10:16

课时34视频猫狗数据分类实例 - 图片读取和预处理（一）19:02

课时35视频猫狗数据分类实例 - 图片读取和预处理（二）11:10

课时36视频猫狗数据分类实例 - 模型的搭建与训练12:37

课时37视频猫狗数据集的训练12:27

章节6:卷积神经网络高级应用

课时38视频图片数据增强12:30

课时39视频模型保存 - 加载和保存整个模型09:06

课时40视频模型保存 - 加载和保存模型结构08:28

课时41视频模型保存 - 加载和保存模型权重10:38

课时42视频使用回调函数在训练过程中保存模型09:22

课时43视频预训练网络（迁移学习）基础概念11:15

课时44视频使用VGG预训练网络的代码实现16:34

课时45视频预训练权重及课程资料分享06:37

课时46视频课程回顾 - 前向传播与反向传播11:08

课时47视频使用预训练网络（2）13:19

课时48视频使用预训练网络模型——微调11:22

课时49视频常见的预训练网络模型12:31

课时50视频课程回顾-输出层总结09:28

课时51视频批标准化08:16

课时52视频超参数选择原则10:01

课时53视频图像识别练习03:19

课时54视频获取模型中间层输出08:32

章节7:文本和序列处理

课时55视频文本词嵌入（embedding）简介12:52

课时56视频keras实现词嵌入表示12:57

课时57视频RNN循环神经网络简介16:41

课时58视频LSTM实现电影评论预测11:21

课时59视频RNN文本实例 - 航空公司评论数据预处理18:44

课时60视频RNN文本实例 - 航空公司评论数据预处理（二）14:57

课时61视频RNN文本实例 - 航空公司评论预测模型的设计与训练11:29

章节8:RNN序列预测实例（RNN优化方法）

课时62视频RNN序列预测实例 - 空气污染预测 - 数据预处理(一)13:51

课时63视频RNN序列预测实例 - 空气污染预测 - 数据预处理(二)11:02

课时64视频RNN序列预测实例 - 空气污染预测 - 训练数据采样(一)16:39

课时65视频RNN序列预测实例 - 空气污染预测 - 训练数据采样(二)14:14

课时66视频RNN序列预测实例 - 空气污染预测 -  基础模型16:20

课时67视频RNN序列预测实例 - 空气污染预测 - LSTM模型15:13

课时68视频LSTM模型优化 - 多层LSTM 和训练速度衰减17:38

课时69视频RNN优化方法 - 循环dropout09:04

课时70视频RNN的优化方法 - 双向RNN08:36

课时71视频模型的预测与评价19:04

章节9:一维卷积处理序列问题

课时72视频一维卷积神经网络简介10:18

课时73视频一维卷积实例 - 航空公司评论情绪分类12:18

课时74视频一维卷积优化实例 - 叶子分类预测 - 数据准备14:32

课时75视频一维卷积优化实例 - 叶子分类预测 - 数据预处理16:08

课时76视频一维卷积优化实例 - 叶子分类预测 - 基础模型06:25

课时77视频叶子分类预测 - 模型优化（一）07:00

课时78视频叶子分类预测 - 模型优化（二）13:34

课时79视频电影评论情绪分类实例 - 数据准备10:36

课时80视频电影评论情绪分类实例 - 文本清理09:06

课时81视频电影评论情绪分类实例 - keras文本预处理09:51

课时82视频电影评论情绪分类实例 - 模型可视化12:26

课时83视频电影评论情绪分类实例 - 模型训练与回调函数14:26

章节10:函数式API

课时84视频函数式API简介14:02

课时85视频多输出模型——数据准备（一）16:35

课时86视频多输出模型——数据准备（二）09:28

课时87视频创建多输出模型14:20

课时88视频多输出模型的配置与训练11:33

课时89视频模型评价与使用模型进行预测

备注：(04)20200531人工智能