深度学习原理详解及Python代码实现

【为什么要学习这门课程】 深度学习框架如TensorFlow和Pytorch掩盖了深度学习底层实现方法，那能否能用Python代码从零实现来学习深度学习原理呢？ 本课程就为大家提供了这个可能，有助于深刻理解深度学习原理。 左手原理、右手代码，双管齐下！ 本课程详细讲解深度学习原理并进行Python代码实现深度学习网络。课程内容涵盖感知机、多层感知机、卷积神经网络、循环神经网络，并使用Python 3及Numpy、Matplotlib从零实现上述神经网络。本课程还讲述了神经网络的训练方法与实践技巧，且开展了代码实践演示。课程对于核心内容讲解深入细致，如基于计算图理解反向传播算法，并用数学公式推导反向传播算法；另外还讲述了卷积加速方法im2col。 【课程收获】 本课程力求使学员通过深度学习原理、算法公式及Python代码的对照学习，摆脱框架而掌握深度学习底层实现原理与方法。 本课程将给学员分享深度学习的Python实现代码。课程代码通过Jupyter Notebook演示，可在Windows、ubuntu等系统上运行，且不需GPU支持。 【优惠说明】 课程正在优惠中！ 备注：购课后可加入白勇老师课程学习交流QQ群：957519975 【相关课程】 学习本课程的前提是会使用Python语言以及Numpy和Matplotlib库。 相关课程链接如下： 《Python编程的术与道：Python语言入门》https://edu.csdn.net/course/detail/27845 《玩转Numpy计算库》https://edu.csdn.net/lecturer/board/28656 《玩转Matplotlib数据绘图库》https://edu.csdn.net/lecturer/board/28720 【课程内容导图及特色】