课程价格 :
¥599.00
剩余名额
0
-
学习时长
八周/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
-
课程有效期
一年/告别拖延,温故知新
课程价格:
¥599.00
预约下一期 *课程已报满,可预约下一期
支持花呗分期
*课程已报满,可预约下一期
- 1-1: 助教开课分享.zip
- 1-2: 开课仪式
- 1-3: 【视频】开课仪式
- 1-4: pytorch安装.pdf
- 第1章: 深度学习简介
- 2: 【课件】L1 课程基础介绍
- 第1节: 人工智能引入
- 3: 【视频】AI引入
- 第2节: 人工智能常见任务
- 4: 【视频】AI常见任务
- 第3节: 人工智能方法
- 5: 【视频】人工智能方法
- 第4节: 人工智能企业商业模式
- 6: 【视频】AI企业
- 第2章: 神经网络入门
- 7: 【课件】神经网络
- 第1节: 逻辑回归
- 8: 【视频】逻辑回归
- 第2节: 感知机
- 9: 【视频】感知机
- 第3节: 神经网络
- 10: 【视频】神经网络
- 第4节: 反向传播
- 11: 【视频】反向传播
- 第5节: 激活函数
- 12: 【视频】激活函数
- 第6节: 实践作业
- 13-1: 【视频】作业
- 13-2: 【作业】第二章
- 第3章: 卷积神经网络
- 第1节: 卷积
- 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: 优化算法: SGD与Adam
- 第2节: 参数初始化: Xavier等
- 第3节: 数据预处理: 白化与数据增广
- 第4节: 归一化: BN LN IN GN
- 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: 深度学习在图像分类中的应用
- 第1节: 图像分类
- 第2节: 基于CNN的图像分类
- 第3节: 实践:ImageNet图像分类
- 第7章: 深度学习在物体检测中的应用
- 第1节: 目标检测任务
- 第2节: R-CNN系列算法:R-CNN, Fast R-CNN, Faster R-CNN
- 第3节: 实践:Faster R-CNN物体检测
- 第8章: 深度学习在语义分割中的应用
- 第1节: 语义分割简介
- 第2节: 从FCN到SegNet
- 第3节: 实践:SegNet图像分割
请选择自己感兴趣的领域
