🔥udemy 黑色星期五全站特價中

課程說明

在本課程中，你將了解什麼是超參數( hyperparameters )，什麼是遺傳演算法( Genetic Algorithm )，以及什麼是超參數最佳化( hyperparameter optimization )。

在本課程中，你將應用遺傳演算法最佳化支持向量機( Support Vector Machines )和多層感知器神經網路( Multilayer Perceptron Neural Networks )的性能。超參數最佳化將在兩個資料集上完成，一個用於預測建築物冷熱負荷的迴歸資料集，以及一個關於將電子郵件分類為垃圾郵件和非垃圾郵件的分類資料集。 SVM 和 MLP 將被應用於資料集而不進行最佳化，並將其結果與最佳化結果進行比較。

到本課程結束時，你將學到如何使用 Python 寫遺傳演算法程式，以及如何最佳化機器學習演算法以獲得最佳性能。

https://softnshare.com/machine-learning-optimization-using-genetic-algorithm/

--課程已於 2020 年 6 月更新--

學習如何使用 Python 寫遺傳演算法的程式，以及如何最佳化機器學習演算法的性能

從這 6.5 小時的課程，你會學到

1.應用遺傳演算法最佳化機器學習演算法

2. 遺傳演算法在支持向量機和多層感知器神經網路中的應用

3. 學習如何在 Python 中編寫遺傳演算法的程式

https://softnshare.com/machine-learning-optimization-using-genetic-algorithm/

--課程已於 2020 年 2 月更新--

自動駕駛汽車，已迅速成為最具變革性的技術之一。 在深度學習演算法的推動下，不斷地促進我們的社會向前發展，並在出行領域創造新的機會。

在課程結束時，你將建立一個完全由深度學習推動的全自動駕駛汽車。 這種強大的模擬將會給最高級別的開發者留下深刻印象，並確保你在神經網路中擁有可以貢獻任何專案或公司的技能。

本課程將教你如何:

✅透過 OpenCV 使用電腦視覺技術識別自動駕駛汽車的行車線。
✅學習訓練基於感知器的神經網路( Perceptron-based Neural Network )來分類二進位制的類( binary classes )。
✅學習訓練卷積神經網路( Convolutional Neural Networks )以識別不同的交通標誌。
✅訓練深度神經網路以適應複雜的資料集。
✅精通 Keras，一個用 Python 編寫的優越神經網路程式庫。
✅建造和訓練一輛全自動駕駛汽車來自己駕駛！

https://softnshare.com/applied-deep-learningtm-the-complete-self-driving-car-course/