打好Python基礎,應用在大數據,機器學習和人工智慧,並使用Tensorflow,Keras,MNIST實際打造手寫辨識系統。Python程式語言深入淺出.TensorFlow類神經網路深度學習CNN徹底研究.

  • 深度學習教學投影片
  • Udemy30 天內無條件退款
  • 成為大數據分析師,深入挖掘商業智慧,與資料大數據工程,TensorFlow+Keras親手打造MNIST手寫辨識。
  • 本課程有一天學會 Python,Python 深度學習和Python TensorFlow卷積深度學習CNN親手打造手寫辨識三個重要課程。
  • 循序漸進,從基礎到實作,從Python程式語言到Python深度學習與Python機器學習,再到專精TensorFlow 親手打造MNIST手寫辨識.
  • Python 機器學習-親手打造影像辨識系統,親手使用TensorFlow CNN卷積深度學習影像辨識TensorFlow 計算圖及Tensorboard.整合Python深度學習與Python機器學習課程
  • 這是華人界的知名科學家吳佳諺所推出的線上課程。
  • 17個小時…三大課程…71個講座…讓你完全了解Python程式語言與Python深度學習類神經網路,卷積CNN深度學習類神經網路,RNN影評資料IMDB滿意度分析,TensorFlow親手打造MNIST手寫辨識,讓您徹底瞭解CNN類神經卷積深度學習.
  • 從觀念入門,親手打造手寫辨識,讓你全盤了解Python資料科學,Python商管應用。
  • 初學者到進階使用者,對資料科學有興趣的人,商管財經人士,文法商人員,一般工程師,理工醫,電子電機與資料工程師、資料科學家。
  • 讓自己鍍金,提升自我價值。
  • Python 深度學習,徹底研究深度學習課程,一天學會 Python–從零開始徹底精通Python 程式語言,Python 機器學習為徹底研究機器學習。
  • 一天學會 Python–從零開始徹底精通Python 程式語言,Python 深度學習,Python 機器學習 為徹底研究機器學習,徹底研究深度學習課程。
  • 這三套課程一天學會 Python為基礎重要課程,這三套為大數據人工智慧機器學習整合徹底研究課程

———–一天學會Python————–

  • 1.下載及安裝Python軟體1-1.在Mac下載及安裝Python軟體使用pip install 套件名稱
    • 安裝套件
    • pip install 套件名稱
    • 解除安裝套件
    • pip uninstall 套件名稱
    • 檢視目前系統已經安裝的套件
    • pip list

    安裝Anaconda,Numpy,Matplotilib

    在Mac選取Launchpad打開Anaconda Navigator

    在Mac可以選取Spider或jupyter notebook來執行

    1-2.在Window 10下載及安裝Python軟體

    在Window 10下載及安裝Python軟體

    • 在Window 10下載及安裝Python軟體

    這是安裝程式軟體的路徑,預設是安裝在C:\Programs目錄下

    在Window 10打開Python開發環境

    這是Python的Shell直譯器

    按下win鍵,選取命令提示字元

    在命令提示字元下輸入python

    進入python直譯器

    離開python直譯器輸入exit()

    • 在Windows 10安裝Anaconda

    安裝Anaconda,Numpy,Matplotilib

    選取Python 3.6版本

    使用conda安裝模組

    選取Spider

    選取Jupyter Notebook

    1-3下載及安裝PyCharm

    在Mac下載及安裝PyCharm

    安裝完Python後,設定直譯器路徑

    Pycharm可以使用Python和Jupyter notebook的檔案

    在Pycharm新增函式庫

    在Windows 10下安裝Pycharm

    下載Community版

2.Python直譯器與計算機

  • Mac電腦/usr/local/bin
  • Windows電腦C:\python36
  • set path=%path%;C:\python36
  • 這是設定utf-8-*-編碼
  • #-*- coding: utf-8 -*-
  • #是註解符號
  • 輸入python執行
  • $ python

變數資料型態

    • 整數
    • 浮點數
    • 字串
  • 運算式是由運算子與運算元組成
  • +加-減*乘/除是運算子,先乘除後加減的結合優先順序
  • 運算元是變數,數字,字串和資料結構
  • =是分配符號,將右邊的值分配給左邊變數

3.資料結構

  • 變數
  • 運算式與運算子
  • 串列
  • 堆疊
  • 佇列

數組tuple,集合set和字典

  • 可以用數組tuple來儲存固定的元素,使用小括號()來建立一數組tuple
  • 集合的元素放置沒有按照順序,可以使用{}大括號來建立一集合Set
  • 集合加上索引就是字典{索引:值}

4.控制結構

  • 布林運算式,布林值為True或False
  • 在if敘述中,條件後的敘述只執行一次,而在while敘述中,則可執行一次以上。
  • While敘述的程序圖形中.選取結構和循序結構,都只執行程式敘述一次,如果我們要讓同一行程式重複執行好幾遍則要用迴圈敘述。
  • 迴圈敘述可以重複執行某一段程式好幾遍,直到條件的不成立才跳出這個迴圈。
  • 選取結構if
  • 語法if:
  • if 條件運算式:
  •     程式敘述1
  • else:
  •     程式敘述2
  • 迴圈結構while,for
  • 語法:
  • for  計數變數  in range(起始值,終始值):
  • 程式敘述

5.函數

  • 將多個複雜的程式區塊包在函數裡面,這樣在需要時,可以重複呼叫它.
  • 遞迴函數是自己呼叫自己的函數,有最終值,開始回傳.

6.類別

成員屬性與成員方法

類別和實體變數

  • _init__(self,..)為建構函數,實體化物件時會呼叫它
  • self為自己這個物件
  • __init__(self)建構物件,
    __del__(self)解構物件

7.繼承

  • class 子類別(父類別1,父類別2,父類別3,..):
  •       敘述1
  •       敘述2
  • 當子類別繼承 (inheritance) 超過一個來源的時候,會以寫在最左邊的父類別優先繼承,多個父類別如果有相同名稱的屬性 (attribute) 與方法 (method) ,就會以最左邊的父類別優先。

多型:子類別和父類別有同名的getEngine()名稱

8.異常或錯誤處理

  • 使用raise關鍵字丟出例外
  • 開啟,關閉及寫入檔案
  • 檔案處理
  • fp=open(‘檔案名稱’,’檔案開啟模式’)

9.使用matplotlib畫圖

  • Matplotlib.pyplot是畫圖的命令集合函數.每一個pyplot函數可以建立或修改圖形

10.Python 資料結構與畫圖簡介

  • •數組tuple和集合set
  • •Scipy科學函數庫
  • •numpy模組建立矩陣
  • •Pandas資料結構
  • •Matplotlib畫圖

11.數組tuple和集合set和Scipy科學函數庫

  • 可以用數組tuple來儲存固定的元素,使用小括號()來建立一數組tuple
  • 集合的元素放置沒有按照順序,可以使用{}大括號來建立一集合Set
  • Scipy模組提供科學運算及線性代數的運算模組

12.numpy模組建立矩陣

  • •numpy模組建立矩陣
  • •矩陣運算
  • •reshape()改變陣列的長寬
  • •np.zeros((10,3))產生10*3的矩陣

13.Pandas資料結構

  • •使用pip install安裝pandas
  • •Pandas讀取csv
  • •讀取台灣加權股價指數csv檔,big5編碼
  • •Series序列資料
  • •pandas的DataFrame
  • •資料選擇與篩選
  • lambda可調式參數

14.Matplotlib畫圖2

  • •Matplotlib畫圖
  • •plt.plot([1,2,3,4])預設是X軸
  • •# ‘r—’紅色虛線,’bs’藍色矩形,’g^’綠色三角形
  • •scatter()散點圖函數
  • •meshgrid()函數畫網格

——–Python 類神經網路深度學習———-

15.Python 類神經網路深度學習

  • 安裝Tensorflow
  • 安裝Keras
  • 類神經網路圖形辨識MNIST
  • 類神經深度學習
  • 繪製實際和預測結果的手寫辨識

16.Python深度學習 類神經網路

  • 類神經網路
  • 微分chain rule
  • 類神經網路深度學習
  • 啟動函數

17.CNN,卷積類神經網路

  • 卷積神經網路CNN
  • 卷積神經網路CNN
  • CNN,特徵取樣
  • CNN程式使用keras

18.遞迴神經網路RNN

  • 遞迴類神經網路RNN
  • Google的LSTM遞迴類神經網路
  • IMDb影評資料滿意度分析
  • 建立RNN遞迴類神經的模型
  • LSTM實作

類神經深度學習

  • ‧add()我們可以一層一層的將神經網路疊起。在每一層之中我們只需要設定每層的大小(units)與啟動函數(activation function)。
  • ‧第一層輸入向量大小、最後一層為units要等於輸出的向量大小。
  • 最後一層的啟動函數(activation function)為softmax。
  • softmax()為歸一化指數函數,將向量的值歸ㄧ化為0到1之間。

———–Python TensorFlow卷積深度學習CNN親手打造手寫辨識————-

19.TensorFlow

TensorFlow

張量的資料型態

  • tf.Variable
  • tf.Constant
  • tf.Placeholder

assign動態調整參數

可以透過動態調整不同的參數組合,讓誤差值cost最小。若要調整 variable 的值可以使用assign函數。

TensorFlow的變數

訓練前需初始化變數

圖形和Sessions

  • TensorFlow使用圖形來代表計算操作的相依
  • 使用TensorFlow的session來平行執行圖形
  • sess.run()則使用這個建立好的會話來執行結果
    當with子句上下文結束時,會話關閉和資源釋放也自動完成,因此沒有用close()函數關掉Session會話

TensorFlow placeholder

輸入參數dtype為資料型態,shape維度,name為名稱

placeholder 是一種可以讓計算圖形保留輸入欄位的節點,並允許實際的輸入值留到後來再指定。

範例實作
執行計算圖

執行tensorboard且設定目錄

  • —logdir為指定紀錄的目錄

TensorFlow手寫辨識演算法

  • 載入mnist手寫辨識資料
  • W是權重,b是偏差,X是輸入
  • 輸入X乘與權重W加bios,經過softmax得到y
  • 訓練模型使用交叉熵的成本
  • 使用梯度遞減微分求取最小交叉嫡
  • 評估模型

TensorFlow手寫辨識實作

  • TensorFlow函數
  • 手寫辨識實作
  • 顯示手寫訓練圖片
  • tf.matmul()為矩陣內積相乘
  • Class GradientDescentOptimizer類別

20.TensorFlow卷積深度學習CNN手寫辨識

  • 輸入tensorflow函式庫
  • 定義卷積conv2d和最大池化
  • 深度學習函數deepnn(x)
  • 第二卷積層對應 32 特徵向量到64
  • 交叉熵最佳化
  • 平行計算會議
  • 準確度98.59%
  • TensorBoard的計算圖Graphs

TensorFlow 實作課程 (Python 機器學習-親手打造影像辨識系統)

TensorFlow CNN卷積深度學習影像辨識

安裝Tensorflow

  • 在PyCharm新增TensorFlow

Cifar-10圖片集

啟動Tensorboard

  • TensorFlow卷積的圖形
  • TensorFlow conv_1卷積變數的範圍
  • TensorFlow Visualization視覺化輸出
  • TensorFlow 計算圖 全連接層神經元
  • TensorFlow 全連接層神經元fully_connected_1變數範圍
  • TensorFlow Cifar_10影像特徵圖

TensorFlow Saver類別儲存變數

混淆矩陣

21.SVM萬用分類機

  • Support Vector Regression 迴歸分析