你将学到的
  • 无监督学习
  • 梯度下降算法
  • 数据标准化
实验 1 无监督学习介绍

知识点: 1.无监督学习Unsupervisedlearning 2.聚类Clustering 3.特征提取Featuresextraction 4.自编码器Autoencoder

实验 2 自编码器实现

知识点: 1.归一化 2.批量梯度下降Batchgradientdescent 3.随机梯度下降Stochasticgradientdescent 4.最小批梯度下降Minibatchgradientdescent

课程介绍

在机器学习里在真正开始训练跑算法之前,都需要进行数据预处理,我们需要人工的或“启发式”地去处理数据,提取特征,数据预处理的效果对后续训练过程很关键。这门课程将介绍一种基于无监督学习神经网络数据降维的一种应用——自联想存储器。

实验任务

  • 无监督学习的基础概念
  • 实验数据预处理:标准化
  • 前向传播代码实现
  • 反向传播代码实现
  • 自编码器模型的训练

先学知识

  • 需要了解实验楼的基本操作,推荐学习 新手入门指南
  • 需要一点高等数学基础和线性代数基础。

课程难度

  • 本课程难度为简单。

面向用户

面向有基础 Python 编程能力,同时也有一点数学基础,想要入门学习神经网络的用户。

课程教师

zyj061 共发布过 6 门课程

查看老师的所有课程 >
蓝桥楼+
实验楼会员
会员
开通会员,即刻开始学习