课程价格 ：
¥499.00
剩余名额
0
-
学习时长
10周/建议每周至少6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
- 2： 深度学习资料&经验分享(lzy).pdf
- 3： 【视频】深度学习第三期开课仪式
- 4： 深度学习第三期选助教结果.pdf
- 第1章: 深度学习简介
- 5： 【课件】L1 课程基础介绍
- 第1节: 人工智能引入
- 6： 【视频】AI引入
- 第2节: 人工智能常见任务
- 7： 【视频】AI常见任务
- 第3节: 人工智能方法
- 8： 【视频】人工智能方法
- 第4节: 人工智能企业商业模式
- 9： 【视频】AI企业
- 第2章: 神经网络入门
- 10： 【课件】深度学习 L2 神经网络-V3.0.pdf
- 第1节: 知识引入
- 11： 【视频】知识引入
- 第2节: 感知机
- 12： 【视频】感知机
- 第3节: 神经网络
- 13： 【视频】神经网络
- 第4节: 误差反向传播
- 14： 【视频】误差反向传播
- 第5节: 激活函数
- 15： 【视频】激活函数
- 第6节: 手写数字识别
- 16： 【视频】手写数字识别
- 第7节: 实践作业
- 17-1： 【视频】作业
- 17-2： 【作业】第二章
- 17-3： 【代码】HW2 coding.zip
- 17-4： 第二章作业分享-张益铨.pdf
- 18： 第二章作业思路提示-李中原.pdf
- 第3章: 卷积神经网络
- 19： 【课件】L3 卷积神经网络-更新
- 第1节: 卷积
- 20： 【视频】卷积
- 第2节: 卷积神经网络数学基础
- 21： 【视频】CNN数学基础
- 第3节: 卷积神经网络推导及其发展历史
- 22： 【视频】CNN推导及其发展历史
- 第4节: 实践：基于CNN的手写数字识别
- 23： 【视频】基于CNN的手写数字识别实践
- 第5节: 作业
- 24-1： 第三章作业思路提示-钟颖助教.pdf
- 24-2： 【作业】第三章
- 24-3： 实践代码
- 24-4： 【代码】code-Python版本.zip
- 24-5： 第三章作业讲解-徐斌.pdf
- 第4章: 优化算法与参数调节
- 25： 【课件】L4 优化算法与参数调节.pdf
- 26： 课件补充资料
- 第1节: 模型与风险
- 27： 【视频】模型与风险
- 第2节: 偏差与方差
- 28： 【视频】偏差与方差
- 第3节: 评价指标
- 29： 【视频】评价指标
- 第4节: 网络优化
- 30： 【视频】网络优化
- 第5节: 实践作业
- 31-1： 【作业】第四章
- 31-2： 【代码】L4 code.zip
- 31-3： 【工具】梯度下降演示工具master.zip
- 31-4： L4思路提示-李中原.pdf
- 31-5： 第四章作业分享.pdf
- 第5章: Pytorch框架介绍
- 32： 【课件】Pytorch框架
- 33： 【课外】参考资料.zip
- 第1节: Pytorch简介与安装
- 34： 【视频】Pytorch简介与安装
- 第2节: Pytorch元素介绍
- 35： 【视频】Pytorch元素介绍
- 第3节: Pytorch网络搭建
- 36： 【视频】Pytorch网络搭建
- 第4节: 学习率
- 37： 【视频】学习率
- 第5节: 进阶
- 38： 【视频】进阶
- 第6节: 实践作业
- 39-1： 【作业】第五章
- 39-2： 第五章作业思路提示-钟颖助教 .pdf
- 40-1： 【课件】第五章作业分享
- 40-2： 第五章作业分享
- 第6章: 深度学习在CV领域的应用
- 41： 【论文】Faster R-CNN
- 第1节: 实践I：图像分类
- 42： 【课件】 图像分类
- 43： 【实践】基于CNN的图像分类
- 44： 【课件】ImageNet分类实践
- 45： 【视频】实践：ImageNet图像分类
- 第2节: 实践II：目标检测
- 46： 【课件】L6 目标检测
- 47： 【视频】基于CNN的目标检测算法
- 48： 【实践】faster RCNN代码讲解
- 49： 【代码】faster-rcnn.pytorch-master
- 50： 【作业】第六章
- 第7章: 循环神经网络RNN
- 51： 【课件】循环神经网络
- 第1节: RNN
- 52： 【视频】RNN
- 第2节: LSTM与GRU
- 53： 【课件】L7 LSTM与GRU
- 54： 【视频】LSTM与GRU
- 第8章: 深度学习在NLP领域的应用
- 55： 【课件】深度学习在NLP中的应用
- 第1节: NLP应用与文本表示学习
- 56： 【视频】文本表示学习
- 第2节: 文本分类应用
- 57： 【视频】文本分类应用
- 第3节: 实践：文本分类
- 58-1： 【视频】代码实践
- 58-2： 【代码】文本分类.zip
- 第9章: 注意力机制
- 59： 【课件】L9 注意力网络
- 第1节: 注意力机制
- 60： 【视频】注意力机制
- 第10章: 预训练语言模型
- 61： 【课件】预训练语言模型v2.0
- 第1节: 发展历史
- 62： 【视频】发展历史
- 第2节: 模型详解
- 63： 【视频】模型详解
- 第3节: 各模型对比
- 64： 【视频】模型对比
相关推荐
请选择自己感兴趣的领域
