-
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
剩余名额：
39个
- 第1章: 深度学习简介
- 第1节: 课程前言
- 第2节: 预备知识概述
- 第3节: 人工智能发展史
- 第4节: 机器学习与神经网络
- 第5节: 计算机视觉与自然语言处理概述
- 第2章: 神经网络入门
- 第1节: 知识引入
- 第2节: 感知机
- 第3节: 神经网络
- 第4节: 误差反向传播
- 第5节: 手写数字识别
- 第3章: 卷积神经网络
- 第1节: 人类视觉系统
- 第2节: 卷积神经网络数学基础
- 第3节: 卷积神经网络推导及其发展历史
- 第4节: 实践：基于CNN的手写数字识别
- 第4章: 优化算法与参数调节
- 第1节: 模型与风险
- 第2节: 偏差与方差
- 第3节: 评价指标
- 第4节: 网络优化
- 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
