人工精选Keras神经网络
先判断这门课值不值得学 如果你是经常和表格、日志、业务指标打交道的上班族,或者正想从运营、测试、行政岗往数据分析或算法工程方向转,大概率会遇到这类场景:手里有一堆历史数据,想预测下个月销量、预估某个环节的次品率,或者给用户分群打分,用 Excel 透视表已经做到极限,想写几行代码让机器自动找规律。这
会员 · 按档位
游客按标价购买,不享受上表折扣。
支付成功后自动发放网盘链接,链接失效可找客服免费补
先判断这门课值不值得学
如果你是经常和表格、日志、业务指标打交道的上班族,或者正想从运营、测试、行政岗往数据分析或算法工程方向转,大概率会遇到这类场景:手里有一堆历史数据,想预测下个月销量、预估某个环节的次品率,或者给用户分群打分,用 Excel 透视表已经做到极限,想写几行代码让机器自动找规律。这门讲 Keras 神经网络的体系课,解决的就是“怎么把一堆数字喂给模型、让它输出预测值”的落地问题。它不是讲高深数学推导的学术课,而是带你把环境装好、把数据读进来、把网络层拼起来、跑出结果再存盘。对于只想先跑通一个预测模型、不想一上来就被反向传播公式吓退的人,这种务实节奏是合适的。但如果你指望学完就能去搞大模型微调或者计算机视觉前沿项目,这门课的底盘不够,它只负责把基础神经网络的地基和 Keras 基本套路交给你。
适合什么基础与建议先看哪几块
它适合已经能写简单 Python 脚本、装过第三方包的人,不要求懂微积分,但至少得知道列表和函数怎么用。完全没碰过编程的纯小白,建议先补基础语法,否则到“编译”和“训练”环节会因为缩进报错卡壳。拿到资料后,建议先把绪论和 Keras 基础知识这两块过一遍,别跳过“为什么要用 Keras”和“编写代码思路”这两节,它们决定了你后面写代码时心里有没有框架。接着直接进入回归任务那块,波士顿房价预测是经典且好理解的入门案例,跟着从选模型、搭网络层、编译、训练到保存提取走一遍,这条主线就是以后做任何预测任务的通用骨架。把这条主线跑通、代码能原样复现,比急着把所有章节看完更有用。
资料怎么配合练习与学完能独立做什么
看视频时不要只记笔记,一定要开一个编辑器跟着敲。资料里讲到的数据集,自己先单独加载看几眼形状和分布,再对照课程代码逐行核对。讲到搭建网络层时,自己改一下神经元数量或激活函数,观察训练误差变化;讲到编译时,换一下优化器对比收敛速度。这种小改动能让你理解每个参数到底在干什么,而不是只会抄。学完这套资料后,你应该能独立完成这几件事:在自己的电脑上装好运行环境并跑通第一个神经网络;把一份结构化数据按训练集和测试集切分喂给模型;用 Keras 搭出一个基础的前馈神经网络做回归预测;把训练好的模型存成文件,下次直接加载就能对新数据出预测值。这些能力看着不花哨,但放在业务部门里,已经足够让你从只会做描述性统计的人,变成能自己搭预测模型的人。后续想往更复杂的分类任务或图像识别走,这套 Keras 基本流程也是现成的脚手架。
课程目录
课程目录30 集
- 1-1 [绪论] 课程介绍 (03:34).mp4
- 1-2 [绪论] 什么是神经网络 (02:40).mp4
- 1-3 [绪论] 神经网络基础知识 (10:01).mp4
- 2-1 [keras基础知识] 为什么要用keras (02:05).mp4
- 2-2 [keras基础知识] keras的安装 (03:04).mp4
- 2-3 [keras基础知识] 编写keras代码的思路 (04:35).mp4
- 2-4 [keras基础知识] 数据集 (05:07).mp4
- 3-1 [回归任务] 回归任务的基础知识 (02:27).mp4
- 3-2 [回归任务] 波士顿房价预测案例的描述 (05:28).mp4
- 3-3 [回归任务] 选择模型. (05:35).mp4
- 3-4 [回归任务] 搭建网络层 (11:51).mp4
- 3-5 [回归任务] 编译 (05:48).mp4
- 3-6 [回归任务] 训练 (07:13).mp4
- 3-7 [回归任务] 模型的保存与提取 (06:15).mp4
- 4-1 [分类任务] 分类任务的基础知识 (05:55).mp4
- 4-2 [分类任务] 二分类问题的描述 (07:16).mp4
- 4-3 [分类任务] 二分类问题的代码编写 (06:30).mp4
- 4-4 [分类任务] 模型评价 (10:53).mp4
- 4-5 [分类任务] MNIST手写数字识别代码 (10:31).mp4
- 5-1 [卷积神经网络] 卷积神经网络的基础知识 (07:06).mp4
- 5-2 [卷积神经网络] Fashion-MNIST的图像识别 (06:24).mp4
- 5-3 [卷积神经网络] 代码编写 (09:49).mp4
- 6-1 [循环神经网络] 循环神经网络的基础知识 (05:28).mp4
- 6-2 [循环神经网络] 案例介绍 (06:23).mp4
- 6-3 [循环神经网络] 代码编写 (06:35).mp4
- 7-1 [表示学习与生成模型] 生成模型的基础知识 (03:00).mp4
- 7-2 [表示学习与生成模型] Autoencoder自编码器 (07:19).mp4
- 7-3 [表示学习与生成模型] Autoencoder的代码实现 (11:01).mp4
- 7-4 [表示学习与生成模型] GAN生成式对抗网络 (05:25).mp4
- 7-5 [表示学习与生成模型] GAN的代码实现 (08:35).mp4





