深度學習30天系統實訓-唐宇迪-專題視頻課程
深度學習30天系統實訓—12867人已學習
課程介紹
系列課程從深度學習核心模塊神經網絡開始講起,將複雜的神經網絡分模塊攻克。由神經網絡過度到深度學習,詳解深度學習中核心網絡卷積神經網絡與遞歸神經網絡。選擇深度學習當下流行框架Tensorflow進行案例實戰,選擇經典的計算機視覺與自然語言處理經典案例以及絢麗的AI黑科技實戰,從零開始帶大家一步步掌握深度學習的原理以及實戰技巧。
課程收益
掌握深度學習必備神經網絡原理以及各種神經網絡變形體及其應用案例
講師介紹
唐宇迪更多講師課程
計算機博士,專注於機器學習與計算機視覺領域,深度學習領域一線實戰講師。在圖像識別領域有着豐富經驗,實現過包括人臉識別,物體識別,關鍵點檢測等多種應用的新算法。 參與多個國家級計算機視覺項目,多年數據領域培訓經驗,豐富的教學講解經驗,出品多套機器學習與深度學習系列課程,課程生動形象,風格通俗易懂。
課程大綱
第1章:神經網絡必備基礎知識點
1.課程概述與環境配置(PPT下載--->) 12:30
2.深度學習與人工智能概述 14:33
3.機器學習常規套路 12:22
4.K近鄰與交叉驗證 10:08
5.得分函數 11:51
6.損失函數 7:47
7.softmax分類器 8:24
8.課件討論 7:29
9.課後答疑 29:43
第2章:神經網絡架構
1.梯度下降原理 10:34
2.學習率的作用 6:19
3.反向傳播 11:51
4.神經網絡基礎架構 10:46
5.神經網絡實例演示 15:07
6.正則化與激活函數 10:03
7.drop-out 11:23
8.課後討論 14:32
第3章:tensorflow訓練mnist數據集
1.tensorflow安裝 8:03
2.tensorflow基本套路 11:03
3.tensorflow常用操作 9:29
4.tensorflow實現線性迴歸模型 15:27
5.tensorflow實現手寫字體識別 12:04
6.參數初始化 8:19
7.迭代完成訓練 10:50
8.課間討論 8:05
9.課後討論 16:05
第4章:卷積神經網絡
1.卷積體徵提取 12:15
2.卷積計算流程 9:28
3.卷積層計算參數 16:18
4.池化層操作 13:23
5.卷積網絡整體架構 7:01
6.經典網絡架構 12:46
第5章:CNN實戰與驗證碼識別
1.卷積網絡複習(驗證碼數據代碼下載-->) 7:01
2.使用CNN訓練mnist數據集(MNIST數據代碼下載-->) 11:48
3.卷積與池化操作 9:00
4.定義卷積網絡計算流程 13:26
5.完成迭代訓練 11:06
6.驗證碼識別概述 10:17
7.驗證碼識別流程 17:34
第6章:自然語言處理-word2vec
1.自然語言處理與深度學習(PPT下載--->) 11:58
2.語言模型 12:27
3.神經網絡模型 10:46
4.CBOW模型 12:26
5.參數更新 12:58
6.負採樣模型 6:31
第7章:word2vec實戰與對抗生成網絡
1.使用Gensim庫構造詞向量 6:21
2.維基百科中文數據處理 10:26
3.Gensim構造word2vec模型 8:51
4.測試模型相似度結果 7:42
5.案例:影評情感分類(數據代碼下載--->) 17:48
6.基於詞袋模型訓練分類器 11:08
7.準備word2vec輸入數據 10:46
8.使用gensim構建word2vec詞向量 16:35
9.對抗生成網絡原理概述(GAN數據代碼下載--->) 10:24
10.GAN網絡結構定義 10:07
11.Gan迭代生成 11:52
12.DCGAN網絡特性(DCGAN數據代碼下載--->) 7:38
13.DCGAN網絡細節 11:53
14.tfidf原理 13:28
第8章:LSTM情感分析與黑科技概述
1.RNN網絡架構 12:21
2.LSTM網絡架構 12:00
3.案例:使用LSTM進行情感分類 13:13
4.情感數據集處理 13:06
5.基於word2vec的LSTM模型 17:14
6.趣味網絡串講(數據代碼下載--->) 11:23
7.課後討論版 7:42
大家可以點擊【查看詳情】查看我的課程
課程介紹
系列課程從深度學習核心模塊神經網絡開始講起,將複雜的神經網絡分模塊攻克。由神經網絡過度到深度學習,詳解深度學習中核心網絡卷積神經網絡與遞歸神經網絡。選擇深度學習當下流行框架Tensorflow進行案例實戰,選擇經典的計算機視覺與自然語言處理經典案例以及絢麗的AI黑科技實戰,從零開始帶大家一步步掌握深度學習的原理以及實戰技巧。
課程收益
掌握深度學習必備神經網絡原理以及各種神經網絡變形體及其應用案例
講師介紹
唐宇迪更多講師課程
計算機博士,專注於機器學習與計算機視覺領域,深度學習領域一線實戰講師。在圖像識別領域有着豐富經驗,實現過包括人臉識別,物體識別,關鍵點檢測等多種應用的新算法。 參與多個國家級計算機視覺項目,多年數據領域培訓經驗,豐富的教學講解經驗,出品多套機器學習與深度學習系列課程,課程生動形象,風格通俗易懂。
課程大綱
第1章:神經網絡必備基礎知識點
1.課程概述與環境配置(PPT下載--->) 12:30
2.深度學習與人工智能概述 14:33
3.機器學習常規套路 12:22
4.K近鄰與交叉驗證 10:08
5.得分函數 11:51
6.損失函數 7:47
7.softmax分類器 8:24
8.課件討論 7:29
9.課後答疑 29:43
第2章:神經網絡架構
1.梯度下降原理 10:34
2.學習率的作用 6:19
3.反向傳播 11:51
4.神經網絡基礎架構 10:46
5.神經網絡實例演示 15:07
6.正則化與激活函數 10:03
7.drop-out 11:23
8.課後討論 14:32
第3章:tensorflow訓練mnist數據集
1.tensorflow安裝 8:03
2.tensorflow基本套路 11:03
3.tensorflow常用操作 9:29
4.tensorflow實現線性迴歸模型 15:27
5.tensorflow實現手寫字體識別 12:04
6.參數初始化 8:19
7.迭代完成訓練 10:50
8.課間討論 8:05
9.課後討論 16:05
第4章:卷積神經網絡
1.卷積體徵提取 12:15
2.卷積計算流程 9:28
3.卷積層計算參數 16:18
4.池化層操作 13:23
5.卷積網絡整體架構 7:01
6.經典網絡架構 12:46
第5章:CNN實戰與驗證碼識別
1.卷積網絡複習(驗證碼數據代碼下載-->) 7:01
2.使用CNN訓練mnist數據集(MNIST數據代碼下載-->) 11:48
3.卷積與池化操作 9:00
4.定義卷積網絡計算流程 13:26
5.完成迭代訓練 11:06
6.驗證碼識別概述 10:17
7.驗證碼識別流程 17:34
第6章:自然語言處理-word2vec
1.自然語言處理與深度學習(PPT下載--->) 11:58
2.語言模型 12:27
3.神經網絡模型 10:46
4.CBOW模型 12:26
5.參數更新 12:58
6.負採樣模型 6:31
第7章:word2vec實戰與對抗生成網絡
1.使用Gensim庫構造詞向量 6:21
2.維基百科中文數據處理 10:26
3.Gensim構造word2vec模型 8:51
4.測試模型相似度結果 7:42
5.案例:影評情感分類(數據代碼下載--->) 17:48
6.基於詞袋模型訓練分類器 11:08
7.準備word2vec輸入數據 10:46
8.使用gensim構建word2vec詞向量 16:35
9.對抗生成網絡原理概述(GAN數據代碼下載--->) 10:24
10.GAN網絡結構定義 10:07
11.Gan迭代生成 11:52
12.DCGAN網絡特性(DCGAN數據代碼下載--->) 7:38
13.DCGAN網絡細節 11:53
14.tfidf原理 13:28
第8章:LSTM情感分析與黑科技概述
1.RNN網絡架構 12:21
2.LSTM網絡架構 12:00
3.案例:使用LSTM進行情感分類 13:13
4.情感數據集處理 13:06
5.基於word2vec的LSTM模型 17:14
6.趣味網絡串講(數據代碼下載--->) 11:23
7.課後討論版 7:42
大家可以點擊【查看詳情】查看我的課程
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.