• 学习时长

    8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

*课程已报满,可预约下一期

  • 1-1:【开课仪式】
  • 1-2:PyTorch安装参考说明.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: 手写字符识别实践
  • 13:【实践】手写字符识别
  • 第7节: 实践作业
  • 14-1:【视频】作业
  • 14-2:【作业】第二章
  • 第3章: 卷积神经网络
  • 15:【课件】sec1&2 卷积神经网络
  • 第1节: 卷积
  • 16:【视频】卷积计算
  • 第2节: 卷积神经网络前向传播
  • 17-1:【视频】CNN网络结构与前向传播
  • 17-2:【资料】A guide to convolution arithmetic
  • 17-3:【资料】Visualizing Convolutional Networks
  • 第3节: 卷积神经网络误差反向传播
  • 18:【课件】L3 sec3 CNN反向传播
  • 19-1:【视频】参数与代价函数
  • 19-2:【视频】反向传播
  • 第4节: 卷积神经网络与全连接神经网络
  • 20-1:【课件】L3 sec4 CNN与FCN
  • 20-2:【视频】CNN的参数共享与梯度消失
  • 第5节: 实践:基于CNN的手写数字识别
  • 21-1:【代码】实践作业
  • 21-2:【视频】CNN手写字符识别实践
  • 21-3:【作业】第三章
  • 21-4:第三章作业思路提示
  • 第4章: 优化算法与参数调节
  • 22:【课件】L4 网络优化
  • 第1节: 优化算法: SGD与Adam
  • 23:【视频】优化算法
  • 第2节: 参数初始化: Xavier等
  • 24:【视频】参数初始化
  • 第3节: 数据预处理: 白化与数据增广
  • 25:【视频】数据预处理和归一化
  • 第4节: 正则化
  • 26:【视频】正则化
  • 第5节: 作业
  • 27-1:【作业】第四章
  • 27-2:第四章作业思路提示
  • 第5章: Pytorch框架介绍
  • 28-1:【课件】Pytorch框架
  • 28-2:【课外】参考资料
  • 第1节: Pytorch简介与安装
  • 29-1:【视频】Pytorch简介与安装
  • 29-2:【视频】Windows下安装Pytorch
  • 第2节: Pytorch元素介绍
  • 30:【视频】Pytorch元素介绍
  • 第3节: Pytorch网络搭建
  • 31:【视频】Pytorch网络搭建
  • 第4节: 学习率
  • 32:【视频】学习率
  • 第5节: 进阶
  • 33:【视频】进阶
  • 第6节: 实践作业
  • 34-1:【作业】第五章
  • 34-2:第五章作业思路提示
  • 第6章: 深度学习在图像分类中的应用
  • 第1节: 实践:图像分类
  • 35-1:【课件】图像分类
  • 35-2:【视频】实践:基于CNN的图像分类
  • 36-1:【课件】ImageNet分类实践
  • 36-2:【视频】实践:ImageNet图像分类
  • 第7章: 深度学习在物体检测中的应用
  • 37-1:【课件】目标检测
  • 37-2:启智平台使用指南
  • 37-3:【论文】Faster R-CNN
  • 第1节: 目标检测任务
  • 38:【视频】目标检测任务介绍
  • 第2节: R-CNN系列算法:R-CNN, Fast R-CNN, Faster R-CNN
  • 39:【视频】RCNN系列算法
  • 第3节: 实践:Faster R-CNN物体检测
  • 40-1:【附件】代码详解
  • 40-2:【实践】Faster RCNN代码讲解
  • 40-3:【代码】Faster-RCNN.pytorch-master
  • 第4节: 实践作业
  • 41-1:【作业】第七章
  • 41-2:第七章作业讲解
  • 第8章: 深度学习在语义分割中的应用
  • 42:【课件】图像分割
  • 第1节: 语义分割简介
  • 43:【视频】语义分割简介
  • 第2节: 从FCN到SegNet
  • 44-1:【视频】FCN
  • 44-2:【视频】SegNet
  • 第3节: 实践:SegNet图像分割
  • 45-1:【代码资料】SegNet
  • 45-2:【视频】实践
  • 45-3:【作业】第八章
  • 45-4:第八章作业讲解

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》