扫码支付

购买商品:课程名称读取中
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30天系统实训

    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:神经网络必备基础知识点
    • 1. 课程概述与环境配置(PPT下载--->) (免费)
    • 12:30
    • 2. 深度学习与人工智能概述 (免费)
    • 14:33
    • 3. 机器学习常规套路 (免费)
    • 12:22
    • 4. K近邻与交叉验证
    • 10:08
    • 5. 得分函数
    • 11:51
    • 6. 损失函数
    • 7:47
    • 7. softmax分类器
    • 8:24
    • 8. 课件讨论
    • 7:29
    • 9. 课后答疑
    • 29:43
    第二章:神经网络架构
    • 1. 梯度下降原理
    • 10:34
    • 2. 学习率的作用
    • 6:19
    • 3. 反向传播
    • 11:51
    • 4. 神经网络基础架构
    • 10:46
    • 5. 神经网络实例演示
    • 15:07
    • 6. 正则化与激活函数
    • 10:03
    • 7. drop-out
    • 11:23
    • 8. 课后讨论
    • 14:32
    第三章:迈向计算机视觉-卷积神经网络
    • 1. tensorflow安装
    • 8:03
    • 2. tensorflow基本套路
    • 11:03
    • 3. tensorflow常用操作
    • 9:29
    • 4. tensorflow实现线性回归模型
    • 15:27
    • 5. tensorflow实现手写字体识别
    • 12:04
    • 6. 参数初始化
    • 8:19
    • 7. 迭代完成训练
    • 10:50
    • 8. 课间讨论
    • 8:05
    • 9. 课后讨论
    • 16:05
    第四章:卷积神经网络技巧
    • 1. 卷积体征提取
    • 12:15
    • 2. 卷积计算流程
    • 9:28
    • 3. 卷积层计算参数
    • 16:18
    • 4. 池化层操作
    • 13:23
    • 5. 卷积网络整体架构
    • 7:01
    • 6. 经典网络架构
    • 12:46
    第五章:自然语言处理
    • 1. 卷积网络复习(验证码数据代码下载-->)
    • 7:01
    • 2. 使用CNN训练mnist数据集(MNIST数据代码下载-->)
    • 11:48
    • 3. 卷积与池化操作
    • 9:00
    • 4. 定义卷积网络计算流程
    • 13:26
    • 5. 完成迭代训练
    • 11:06
    • 6. 验证码识别概述
    • 10:17
    • 7. 验证码识别流程
    • 17:34
    第六章:深度学习框架Tensorflow
    • 1. 自然语言处理与深度学习(PPT下载--->)
    • 11:58
    • 2. 语言模型
    • 12:27
    • 3. 神经网络模型
    • 10:46
    • 4. CBOW模型
    • 12:26
    • 5. 参数更新
    • 12:58
    • 6. 负采样模型
    • 6:31
    • 7. 案例:影评情感分类(数据代码下载--->)
    • 17:48
    • 【课程类型】实战教学 【难度级别】高级 【适合人群】所有人
    • 【课程介绍】
      系列课程从深度学习最核心模块神经网络开始讲起,将复杂的神经网络分模块攻克。由神经网络过度到深度学习,详解深度学习中最核心网络卷积神经网络与递归神经网络。选择深度学习当下最流行框架Tensorflow进行案例实战,选择经典的计算机视觉与自然语言处理经典案例以及绚丽的AI黑科技实战,从零开始带大家一步步掌握深度学习的必备原理以及实战技巧。
    • 【课程目标】
      掌握深度学习必备神经网络原理以及各种神经网络变形体及其应用案例
    • 【课程计划】
      对课程有任何问题欢迎随时与我进行讨论

    第一章:神经网络必备基础知识点
    5 得分函数
    11:51
    6 损失函数
    7:47
    8 课件讨论
    7:29
    9 课后答疑
    29:43

    第二章:神经网络架构
    3 反向传播
    11:51
    7 drop-out
    11:23
    8 课后讨论
    14:32

    第三章:迈向计算机视觉-卷积神经网络
    1 tensorflow安装
    | 8:03
    8 课间讨论
    8:05
    9 课后讨论
    16:05

    第四章:卷积神经网络技巧
    4 池化层操作
    13:23

    第五章:自然语言处理

    第六章:深度学习框架Tensorflow
    2 语言模型
    12:27
    4 CBOW模型
    12:26
    5 参数更新
    12:58

    第七章:Tensorflow案例实战
    2 准备word2vec输入数据
    [暂未上传]
    5 GAN网络结构定义
    [暂未上传]
    6 Gan迭代生成
    [暂未上传]

    全部评价(2
    好评(2
    中评(0
    差评(0
    发表评价
    老师讲解很全面,突出重点。
    2017-08-03 21:38:01
    损失函数之后好好讲解一下,谢谢
    2017-07-30 09:17:46
    [追加评论]反向传播与最优化问题没有
    [追加评论]示例代码呢?
    唐宇迪
    28课程158305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。