扫码支付

购买商品:
商品价格:

价格读取中

支付方式:
微信

请扫码进行支付

支付宝

请扫码进行支付

二维码已过期,请点击刷新

  • 课程> 人工智能> 深度学习
  • 深度学习入门视频课程

    本课程支持以下优惠:

  • 由百度云提供技术支持
    课程目录
    第一章:深度学习必备知识点
    • 1. 深度学习与人工智能概述 (免费)
    • 11:27
    • 2. 计算机视觉面临挑战与机器学习常规套路
    • 9:40
    • 3. 用K近邻进行图像分类任务(->数据代码下载)
    • 10:01
    • 4. 超参数与交叉验证
    • 10:30
    • 5. 线性分类
    • 9:34
    • 6. 损失函数
    • 9:17
    • 7. 正则化惩罚项
    • 7:19
    • 8. softmax分类器
    • 13:38
    • 9. 最优化问题形象解读
    • 6:46
    • 10. 梯度下降算法
    • 11:48
    • 11. 反向传播实例
    • 15:16
    第二章:走进深度学习的世界-神经网络模型
    • 1. 初识神经网络
    • 25:10
    • 2. 深入神经网络细节
    • 21:35
    第三章:神经网络案例实战
    • 1. Python环境搭建(推荐Anaconda方法)
    • 13:10
    • 2. Eclipse搭建python环境
    • 5:23
    • 3. 动手实现简易神经网络
    • 12:31
    • 4. 感受神经网络的强大
    • 11:30
    • 5. 神经网络案例-cifar分类任务
    • 16:01
    • 6. 神经网络案例-分模块构造神经网络
    • 13:33
    • 7. 神经网络案例-训练神经网络完成分类任务
    • 13:26
    第四章:卷积神经网络
    • 1. 卷积神经网络(CNN)能干什么 (免费)
    • 14:55
    • 2. 卷积层原理详解
    • 12:53
    • 3. 卷积的计算过程
    • 12:30
    • 4. 卷积核涉及参数详解
    • 13:13
    • 5. 参数共享原则
    • 8:09
    • 6. 池化层详解
    • 8:24
    • 7. 分类与回归任务应用详解
    • 33:30
    • 8. 如何巧妙设计网络结构
    • 21:51
    • 9. 训练技巧之数据增强
    • 12:20
    • 10. 训练技巧之Transfer Learning
    • 11:09
    • 11. 经典卷积神经网络架构
    • 21:15
    第五章:卷积神经网络案例实战
    • 1. 卷积神经网络反向传播原理
    • 14:43
    • 2. 案例实战:实现卷积层的前向传播与反向传播
    • 10:19
    • 3. 案例实战:实现池化层的前向传播与反向传播
    • 12:00
    第六章:递归神经网络
    • 1. 递归神经网络原理
    • 9:12
    • 2. LSTM网络结构
    • 10:01
    • 3. 案例实战:打造二进制加法器
    • 33:46
    第七章:Faster-rcnn物体检测框架
    • 1. 物体检测框架Faster-Rcnn原理简介
    • 16:25
    • 2. Faster-Rcnn之RPN层详解
    • 23:47
    • 3. Faster-Rcnn整体框架流程
    • 19:41
    • 4. Faster-Rcnn框架实验结果评估
    • 21:43
    第八章:级联网络结构
    • 1. 级联网络结构原理分析
    • 11:01
    • 2. 级联网络实现细节
    • 13:16
    • 3. 关键点定位论文算法整体
    • 20:36
    • 4. 关键点定位论文细节实现解读
    • 11:29
    • 5. 关键点定位论文网络结构详解
    • 9:12
    第九章:深度残差网络-Resnet
    • 1. 深度残差网络架构分析
    • 12:58
    • 2. 深度残差网络实现细节
    • 13:56
    第一十章:Style-transfer风格变换原理
    • 1. Prisma图像风格变换原理
    • 10:34
    • 2. Style-Transfer实现细节
    • 11:00
    • 【课程类型】技术教程 【难度级别】高级 【适合人群】所有人
    • 【课程介绍】
      深度学习入门视频课程从最基本的神经网络开始讲起,将复杂的神经网络分成几个小模块,先对必备的知识点的细节进行详细讲解再拓展到整个神经网络,从神经网络的架构,细节进行全面分析,并使用python代码完成的神经网络,从效果上感受神经网络的强大。熟悉神经网络后再进军卷积神经网络与递归神经网络,详解CNN与RNN的原理与细节。对经典网络模型结构详细分析讲解,选择经典论文剖析。带大家快速上手深度学习!
    • 【课程目标】
      快速掌握深度学习必备基础知识点,案例实战讲解如何实现神经网络并应用在真实数据集上。形象解读CNN与RNN网络模型结合经典论文带领大家快速入门深度学习。
    • 【课程计划】
      根据同学们的反馈更新,如果需要课程资料或者对课程有任何问题欢迎随时与我讨论 QQ:474241623

    第一章:深度学习必备知识点
    5 线性分类
    9:34
    6 损失函数
    9:17

    第二章:走进深度学习的世界-神经网络模型

    第三章:神经网络案例实战

    第四章:卷积神经网络

    第五章:卷积神经网络案例实战

    第六章:递归神经网络

    第七章:Faster-rcnn物体检测框架

    第八章:级联网络结构

    第九章:深度残差网络-Resnet

    第一十章:Style-transfer风格变换原理

    全部评价(7
    好评(7
    中评(0
    差评(0
    发表评价
    这是我看过的DL最好的入门教程,没有之一。几乎是手把手的教,每一步都交待得很仔细,真正的深入浅出。
    2017-09-14 15:09:18
    非常好,讲的很透彻,易懂。
    2017-09-07 22:34:22
    老师讲的非常好,对于初学者帮助很大,不懂得还可以问老师,都给耐心回答,赞!
    2017-07-25 17:45:07
    不错,通俗易懂
    2017-06-28 12:39:18
    唐老师的深度学习真的讲的相当好!通俗易懂
    2017-05-16 15:38:37
    为什么播放不了
    2017-05-13 20:12:14
    [追加评论]我购买了为什么播放不了
    由浅入深,终于理解了几种激活函数的选择意义!继续学习!
    2017-02-20 23:27:08
    唐宇迪
    29课程204371学员
    计算机博士,专注于机器学习与计算机视觉领域,深度学习领域一线实战专家。在图像识别领域有着丰富经验,实现过包括人脸识别,物体识别,关键点检测等多种应用的最新算法。 参与多个国家级计算机视觉项目,多年数据领域培训经验,丰富的教学讲解经验,出品多套机器学习与深度学习系列课程,课程生动形象,风格通俗易懂。