• 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

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
  • 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

计算机视觉 计算机视觉 环境感知 进阶
计算机视觉 计算机视觉 进阶

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