限时特价 ：
¥549
原价 ： ¥599.00
限时特价
剩余名额
剩余名额
31
-
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
- 第1章: 深度学习简介
- 第1节: 人工智能引入
- 第2节: 人工智能常见任务
- 第3节: 人工智能方法
- 第4节: 人工智能企业商业模式
- 第5节: 环境配置
- 1：PyTorch安装参考说明.pdf
- 第2章: 神经网络入门
- 第1节: 逻辑回归
- 第2节: 感知机
- 第3节: 神经网络
- 第4节: 反向传播
- 第5节: 激活函数
- 第6节: 手写字符识别实践
- 第7节: 实践作业
- 第3章: 卷积神经网络
- 第1节: 卷积
- 第2节: 卷积神经网络前向传播
- 第3节: 卷积神经网络误差反向传播
- 第4节: 卷积神经网络与全连接神经网络
- 第5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: 正则化
- 第5节: 作业
- 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节: 实践作业
- 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
- 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4节: 实践作业
- 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
