深度学习-入门课程(通俗易懂版)

深度学习快速入门

3.25 (21 reviews)
Udemy
platform
中文
language
Data Science
category
instructor
深度学习-入门课程(通俗易懂版)
189
students
15 hours
content
Feb 2019
last update
$54.99
regular price

What you will learn

深度学习必备基础知识点

神经网络算法原理

神经网络整体架构

神经网络应用领域

卷积神经网络CNN原理

CNN网络应用与整体架构

递归神经网络RNN原理

RNN网络模型应用与整体架构

深度学习经典网络模型架构

自然语言处理模型word2vec

词向量模型应用实战

物体检测框架-FaterRcnn实战

机器翻译框架NMT实战

Description

深度学习入门视频课程从最基本的神经网络开始讲起,讲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代码完成简易的神经网络,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。实战部分通俗讲解当下最流行的物体检测与机器学习翻译框架,逐行代码解读。

Content

深度学习必备基础知识点

深度学习与人工智能概述
计算机视觉面临的挑战与常规套路
用K近邻来进行图像分类
超参数与交叉验证
线性分类
损失函数
正则化惩罚项
softmax分类器
最优化形象解读
最优化问题细节
反向传播

走进深度学习的世界-神经网络模型

整体架构
实例演示
过拟合解决方案

神经网络案例实战

神经网络案例-cifar分类任务
分模块构造神经网络
训练神经网络完成分类任务
感受神经网络的强大

卷积神经网络

卷积神经网络的应用
卷积层解释
卷积计算过程
pading与stride
卷积参数共享
池化层原理

卷积神经网络案例实战

卷积池化反向传播
卷积网络代码
卷积网络代码2

递归神经网络(RNN)

递归神经网络(RNN)概述
RNN网络细节
LSTM网络架构

自然语言处理word2vec

自然语言处理与深度学习
语言模型
N-gram模型
词向量
神经网络模型
Hierarchical Softmax
CBOW模型实例
CBOW求解目标
锑度上升求解
负采样模型

Gemsim词向量模型

使用Gensim库构造词向量
维基百科中文数据处理
Gensim构造word2vec模型
测试模型相似度结果

使用word2vec进行分类任务

影评情感分类
基于词袋模型训练分类器
准备word2vec输入数据
使用gensim构建word2vec词向量

物体检测框架-FaterRcnn实战

三代算法-1-物体检测概述
三代算法-2-深度学习经典检测方法
三代算法-3-faster-rcnn概述
论文解读
RPN网络结构
损失函数定义
网络细节
代码环境配置概述
项目配置
数据加载
数据变换
完成数据读取
特征提取VGG
RPN层
提取网络细节
网络训练迭代

Seq2Seq网络模型

Seq2Seq网络基本架构
Seq2Seq网络应用
Attention机制
Seq2Seq基本模型

机器翻译NTM框架

机器翻译框架概述
参数设置
数据加载
网络结构定义
训练模型

Charts

Price

深度学习-入门课程(通俗易懂版) - Price chart

Rating

深度学习-入门课程(通俗易懂版) - Ratings chart

Enrollment distribution

深度学习-入门课程(通俗易懂版) - Distribution chart
2238206
udemy ID
2/24/2019
course created date
11/22/2019
course indexed date
Bot
course submited by