• 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

  • 1: 【视频】讲师课前分享 07:36
  • 2: 深度学习第二期 开课仪式.pdf
  • 3: 助教陈彭鑫-开课仪式分享.pdf
  • 4: 助教王舟洋-开课仪式分享.pdf
  • 5: 助教分组结果-深度学习第二期.xlsx
  • 第1章: 深度学习简介
  • 6: 【课件】L1 课程基础介绍.pdf
  • 第1节: 课程前言
  • 7: 【视频】前言 25:01
  • 第2节: 预备知识概述
  • 8: 【视频】预备基础知识 11:01
  • 第3节: 人工智能发展史
  • 9: 【视频】人工智能发展史 36:22
  • 第4节: 机器学习与神经网络
  • 10: 【视频】机器学习与神经网络 26:35
  • 第5节: 计算机视觉与自然语言处理概述
  • 11: 【视频】计算机视觉与自然语言处理简介 12:50
  • 第2章: 神经网络入门
  • 12: 【课件】L2 神经网络.pdf
  • 第1节: 知识引入
  • 13: 【视频】知识引入 22:04
  • 第2节: 感知机
  • 14: 【视频】感知机 10:52
  • 第3节: 神经网络
  • 15: 【视频】神经网络 32:12
  • 第4节: 误差反向传播
  • 16: 【视频】误差反向传播 24:42
  • 第5节: 手写数字识别
  • 17: 【视频】手写数字识别 31:46
  • 第6节: 作业实践
  • 18-1: 【视频】作业 03:35
  • 18-2: 【作业】第二章
  • 18-3: 【代码】HW2 coding.zip
  • 18-4: 第二章作业思路提示-彭鑫助教.pdf
  • 19: 第二章作业讲评-夏至同学.pdf
  • 第3章: 卷积神经网络
  • 20: 【课件】L3 卷积神经网络.pdf
  • 第1节: 人类视觉系统
  • 21: 【视频】人类视觉系统 11:52
  • 第2节: 卷积神经网络数学基础
  • 22: 【视频】CNN数学基础 33:56
  • 第3节: 卷积神经网络推导及其发展历史
  • 23: 【视频】CNN推导及其发展历史 61:57
  • 第4节: 实践:基于CNN的手写数字识别
  • 24: 【视频】基于CNN的手写数字识别实践 27:41
  • 第5节: 作业
  • 25-1: 【作业】第三章
  • 25-2: 实践代码
  • 25-3: 【代码】code-Python版本.zip
  • 26-1: 第三章作业思路提示-舟洋助教.pdf
  • 26-2: 第三章作业讲评-潘同学.pdf
  • 第4章: 优化算法与参数调节
  • 27: 【课件】L4 优化算法与参数调节.pdf
  • 28: 课件补充资料
  • 第1节: 模型与风险
  • 29: 【视频】模型与风险 29:14
  • 第2节: 偏差与方差
  • 30: 【视频】偏差与方差 18:27
  • 第3节: 评价指标
  • 31: 【视频】评价指标 20:17
  • 第4节: 网络优化
  • 32-1: 【视频】网络优化 61:18
  • 32-2: 【视频】梯度下降基础 05:31
  • 第5节: 实践
  • 33-1: 【作业】第四章
  • 33-2: 【代码】L4 code.zip
  • 33-3: 【工具】梯度下降演示工具master.zip
  • 33-4: 第四章作业思路提示-陈彭鑫助教.pdf
  • 33-5: 第四章作业讲评-阳同学.pdf
  • 第5章: Pytorch框架介绍
  • 34-1: 【课件】Pytorch框架.pptx
  • 34-2: 【课外】参考资料.zip
  • 第1节: Pytorch简介与安装
  • 35: 【视频】Pytorch简介与安装 19:17
  • 第2节: Pytorch元素介绍
  • 36: 【视频】Pytorch元素介绍 22:11
  • 第3节: Pytorch网络搭建
  • 37: 【视频】Pytorch网络搭建 33:34
  • 第4节: 学习率
  • 38: 【视频】学习率 03:03
  • 第5节: 进阶
  • 39: 【视频】进阶 14:07
  • 第6节: 实践
  • 40-1: 【作业】第五章
  • 40-2: 第五章作业思路提示-彭鑫助教.pdf
  • 40-3: 第五章作业讲评-冯震同学.pdf
  • 第6章: 深度学习在CV领域的应用
  • 41: 【论文】Faster R-CNN.pdf
  • 第1节: 实践I:图像分类
  • 42-1: 深度学习 L6 图像分类.pdf
  • 42-2: 【实践】基于CNN的图像分类 38:31
  • 42-3: 【课件】ImageNet分类实践.pdf
  • 42-4: 【视频】实践:ImageNet图像分类 20:57
  • 第2节: 实践II:目标检测
  • 43-1: 【课件】L6 目标检测.pdf
  • 43-2: 【视频】基于CNN的目标检测算法 42:44
  • 43-3: 【实践】faster RCNN代码讲解 30:35
  • 43-4: 【代码】faster-rcnn.pytorch-master.zip
  • 44-1: 【作业】第六章
  • 44-2: 第六章作业思路提示-舟洋助教.pdf
  • 44-3: 第六章作业讲评-苏坦同学.pdf
  • 第8章: 深度学习在NLP领域的应用
  • 第1节: NLP引用与文本表示学习
  • 47-1: 【课件】深度学习在NLP中的应用.pdf
  • 47-2: 【视频】文本表示学习 58:08
  • 第2节: 文本分类应用
  • 48: 【视频】文本分类应用 42:52
  • 第3节: 实践I:文本分类
  • 49-1: 【视频】代码实践 32:08
  • 49-2: 【代码】实践代码.zip

相关推荐

计算机视觉 计算机视觉 环境感知 进阶
自然语言处理 知识图谱 自然语言处理 基础

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》

请完善资料,让我们更好的为您服务!

+86  (手机号已绑定)

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》

请选择自己感兴趣的领域

智能语音

三维视觉

计算机视觉

移动机器人

推荐系统

工业机器人

知识图谱

深度学习

自然语言处理