-
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
课程价格：
￥499.00
预约下一期 *课程已报满，可预约下一期
支持花呗分期
- 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
- 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.pdf
- 第1节: 人类视觉系统
- 20： 【视频】人类视觉系统
- 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： 【作业】第三章
- 24-2： 实践代码
- 24-3： 【代码】code-Python版本.zip
- 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
- 第5章: Pytorch框架介绍
- 第1节: Pytorch简介与安装
- 第2节: Pytorch元素介绍
- 第3节: Pytorch网络搭建
- 第4节: 学习率
- 第5节: 进阶
- 第6章: 深度学习在CV领域的应用
- 第1节: 图像分类介绍
- 第2节: 常见分类网络介绍
- 第3节: 从图像分类到语义分割
- 第4节: 实践I：图像分类
- 第5节: 目标识别介绍
- 第6节: 传统方法和深度学习对比
- 第7节: Faster RCNN介绍
- 第8节: Faster RCNN代码详解
- 第9节: 实践II：目标检测
- 第7章: 循环神经网络RNN
- 第1节: RNN介绍与推导
- 第2节: LSTM模型
- 第3节: GRU
- 第8章: 深度学习在NLP领域的应用
- 第1节: NLP应用与文本表示学习
- 第2节: NNLM
- 第3节: 文本分类应用
- 第4节: 实践：文本分类
- 第9章: 注意力机制
- 第1节: Seq2Seq
- 第2节: 注意力网络原理
- 第3节: 记忆机制
- 第10章: 预训练语言模型
- 第1节: 发展历史
- 第2节: 模型详解
- 第3节: 各模型对比
相关推荐
请选择自己感兴趣的领域
深蓝学院
