• 学习时长

    十周/建议每周至少六小时

  • 答疑服务

    专属微信答疑群/讲师助教均参与

  • 作业批改

    每章节设计作业/助教及时批改评优

  • 第1章: 深度学习简介
  • 第1节: 人工智能、机器学习与深度学习的发展过程
  • 第2节: 课程所需的数学与编程基础
  • 第3节: 软硬件操作环境
  • 第2章: 神经网络入门
  • 第1节: 前馈神经网络及反向传播算法
  • 第2节: 入门案例I:房价预测问题 (回归问题)
  • 第3节: 入门案例II:手写数字分类问题(分类问题)
  • 第4节: 欠拟合与过拟合
  • 第5节: 模型稳定性与初始化
  • 第3章: 卷积神经网络
  • 第1节: 什么是卷积
  • 第2节: 图像的二维卷积操作
  • 第3节: 文本的一维卷积操作
  • 第4节: 卷积模型的推导
  • 第5节: 经典的卷积神经网络
  • 第4章: 优化算法与参数调节
  • 第1节: 优化对于模型收敛的重要性
  • 第2节: 随机梯度下降与批量随机梯度下降
  • 第3节: 常见的深度学习优化算法:AdaGrad, RMSProp, AdaDelta, Adam 算法
  • 第5章: Pytorch框架介绍
  • 第1节: 深度学习框架概览
  • 第2节: Pytorch优势及其入门方法
  • 第3节: 使用Pytorch完成一个项目需要的代码架构
  • 第4节: 模型的检验与可视化方法

相关推荐

计算机视觉 计算机视觉 进阶
计算机视觉 计算机视觉 环境感知 进阶