Ramalan pembelajaran mendalam dengan seni bina Wavenet DeepMind - Page 2
Halaman 2 daripada 1132 FirstFirst 12
Results 11 to 13 of 13

Thread: Ramalan pembelajaran mendalam dengan seni bina Wavenet DeepMind

  1. #11

    Quote Originally Posted by ;
    Hello, saya membina model pembelajaran mendalam untuk meramalkan harga forex.
    Hai - terima kasih atas inspirasi itu Saya seorang peniaga yang berpengalaman walaupun hanya sekali-sekala berjaya, kebanyakannya disebabkan oleh perdagangan kebanyakannya melalui tahun kekayaan relatif dan oleh itu ketiadaan keperluan sebagai penggerak. Itu sudah berubah. Saya mempunyai pemahaman yang baik tentang matematik dan algebra dan mempunyai sejarah pengekodan dan pembelajaran bahasaplatform baharu dan lain-lain dengan cepat - PHP, python, CSS, MySQL, dsb. Bolehkah anda mengarahkan saya ke laluan percuma terpantas untuk mendapatkan yang munasabah pengetahuan tentang pembelajaran mendalam/ai dll. Saya sedang dalam proses memuat turun keseluruhan data tick dukas sebagai persediaan untuk... sesuatu lol.

  2. #12
    Hai, matematik, terutamanya statistik dan algebra linear ialah permulaan yang baik. Dan pengetahuan python adalah sangat penting, kerana kebanyakan pembelajaran mesinperpustakaan pembelajaran mendalam hari ini tersedia dalam python. Mungkin anda boleh melangkau sebahagian besar yang mesti ada sebelum bahagian pembelajaran mesin. Saya membaca banyak buku, membuat kursus dalam talian, mengambil bahagian dalam projek. Nasib baik ada pilihan percuma, dan saya berada dalam situasi bernasib baik untuk memenangi beberapa kursus bukan percuma di Udacity. Petua saya: 1. Pertama, di Coursera, ikuti kursus Andrew Ng untuk pembelajaran mesin. Anda boleh melakukannya secara percuma jika anda tidak mahu sijil. Malangnya, ini menggunakan Matlab dan bukannya python, tetapi bukan usaha yang hebat untuk menggunakannya untuk beberapa latihan.
    https://www.coursera.org/learn/machine-learning2. Selepas itu anda boleh pergi ke kursus pembelajaran mendalam coursera oleh Andrew Ng:
    https://www.coursera.org/specializations/deep-learning3. Langkah pertama memberi anda perspektif yang baik tentang apa itu pembelajaran mesinpembelajaran mendalam dan apakah bahan binaan yang penting. Saya akan mencadangkan untuk membaca buku ini, ini hebat, dan jika anda mahukan pendekatan praktikal, saya fikir yang terbaik:
    https://www.amazon.com/Hands-Machine...93SP7WWP73MH89Jika anda hanya membeli satu buku, beli ini. (Jika anda mahukan buku yang lebih teori, saya cadangkan ini:
    https://www.deeplearningbook.org/yang percuma sebagai buku dalam talian. 4. Cuba buat beberapa projek. Pada masa ini anda akan mempunyai pengalaman yang mencukupi untuk mencari langkah baharu anda yang seterusnya. Jika anda mampu, saya akan mencadangkan untuk mengikuti kursus pembelajaran mendalam Udacity, dan kerana situasi COVID yang percuma selama sebulan:
    https://www.udacity.com/course/deep-...odegree--nd101Jika anda boleh membuatnya dalam masa sebulan, maka anda memilikinya
    Dalam pembelajaran mendalam, anda akan mempunyai pilihan untuk menggunakan Pytorch, atau Tensorflow. Mula-mula saya menggunakan Pytorch, tetapi sejak Tensorflow 2 keluar, saya tidak menggunakan perpustakaan lain. Aliran Tensor:
    https://www.tensorflow.org/learnSudah tentu terdapat buku dan kursus lain yang bagus, tetapi ini adalah pilihan yang sangat baik untuk dimulakan.

  3. #13
    Tahap perdagangan yang saya suka lihat, saya rasa ini adalah benang pertama yang saya boleh luluskan.

Kebenaran Posting

  • Anda tidak boleh menghantar thread baru
  • Anda tidak boleh membalas kiriman
  • Anda tidak boleh mengedit siaran anda
  • Anda tidak boleh menyiarkan lampiran
  •  
  • Kod BB Hidup
  • Smilies Hidup
  • Kod [IMG] adalah Hidup
  • Kod [VIDEO] adalah Hidup
  • Kod HTML Tidak Hidup
Polisi Kuki
We use cookies to store session information to facilitate remembering your login information, to allow you to save website preferences, to personalise content and ads, to provide social media features and to analyse our traffic. We also share information about your use of our site with our social media, advertising and analytics partners.