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)
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
Rating
Enrollment distribution
2238206
udemy ID
2/24/2019
course created date
11/22/2019
course indexed date
Bot
course submited by