深度学习30天系统实训-唐宇迪-专题视频课程
深度学习30天系统实训—12867人已学习
课程介绍
系列课程从深度学习核心模块神经网络开始讲起,将复杂的神经网络分模块攻克。由神经网络过度到深度学习,详解深度学习中核心网络卷积神经网络与递归神经网络。选择深度学习当下流行框架Tensorflow进行案例实战,选择经典的计算机视觉与自然语言处理经典案例以及绚丽的AI黑科技实战,从零开始带大家一步步掌握深度学习的原理以及实战技巧。
课程收益
掌握深度学习必备神经网络原理以及各种神经网络变形体及其应用案例
讲师介绍
唐宇迪更多讲师课程
计算机博士,专注于机器学习与计算机视觉领域,深度学习领域一线实战讲师。在图像识别领域有着丰富经验,实现过包括人脸识别,物体识别,关键点检测等多种应用的新算法。 参与多个国家级计算机视觉项目,多年数据领域培训经验,丰富的教学讲解经验,出品多套机器学习与深度学习系列课程,课程生动形象,风格通俗易懂。
课程大纲
第1章:神经网络必备基础知识点
1.课程概述与环境配置(PPT下载--->) 12:30
2.深度学习与人工智能概述 14:33
3.机器学习常规套路 12:22
4.K近邻与交叉验证 10:08
5.得分函数 11:51
6.损失函数 7:47
7.softmax分类器 8:24
8.课件讨论 7:29
9.课后答疑 29:43
第2章:神经网络架构
1.梯度下降原理 10:34
2.学习率的作用 6:19
3.反向传播 11:51
4.神经网络基础架构 10:46
5.神经网络实例演示 15:07
6.正则化与激活函数 10:03
7.drop-out 11:23
8.课后讨论 14:32
第3章:tensorflow训练mnist数据集
1.tensorflow安装 8:03
2.tensorflow基本套路 11:03
3.tensorflow常用操作 9:29
4.tensorflow实现线性回归模型 15:27
5.tensorflow实现手写字体识别 12:04
6.参数初始化 8:19
7.迭代完成训练 10:50
8.课间讨论 8:05
9.课后讨论 16:05
第4章:卷积神经网络
1.卷积体征提取 12:15
2.卷积计算流程 9:28
3.卷积层计算参数 16:18
4.池化层操作 13:23
5.卷积网络整体架构 7:01
6.经典网络架构 12:46
第5章:CNN实战与验证码识别
1.卷积网络复习(验证码数据代码下载-->) 7:01
2.使用CNN训练mnist数据集(MNIST数据代码下载-->) 11:48
3.卷积与池化操作 9:00
4.定义卷积网络计算流程 13:26
5.完成迭代训练 11:06
6.验证码识别概述 10:17
7.验证码识别流程 17:34
第6章:自然语言处理-word2vec
1.自然语言处理与深度学习(PPT下载--->) 11:58
2.语言模型 12:27
3.神经网络模型 10:46
4.CBOW模型 12:26
5.参数更新 12:58
6.负采样模型 6:31
第7章:word2vec实战与对抗生成网络
1.使用Gensim库构造词向量 6:21
2.维基百科中文数据处理 10:26
3.Gensim构造word2vec模型 8:51
4.测试模型相似度结果 7:42
5.案例:影评情感分类(数据代码下载--->) 17:48
6.基于词袋模型训练分类器 11:08
7.准备word2vec输入数据 10:46
8.使用gensim构建word2vec词向量 16:35
9.对抗生成网络原理概述(GAN数据代码下载--->) 10:24
10.GAN网络结构定义 10:07
11.Gan迭代生成 11:52
12.DCGAN网络特性(DCGAN数据代码下载--->) 7:38
13.DCGAN网络细节 11:53
14.tfidf原理 13:28
第8章:LSTM情感分析与黑科技概述
1.RNN网络架构 12:21
2.LSTM网络架构 12:00
3.案例:使用LSTM进行情感分类 13:13
4.情感数据集处理 13:06
5.基于word2vec的LSTM模型 17:14
6.趣味网络串讲(数据代码下载--->) 11:23
7.课后讨论版 7:42
大家可以点击【查看详情】查看我的课程
课程介绍
系列课程从深度学习核心模块神经网络开始讲起,将复杂的神经网络分模块攻克。由神经网络过度到深度学习,详解深度学习中核心网络卷积神经网络与递归神经网络。选择深度学习当下流行框架Tensorflow进行案例实战,选择经典的计算机视觉与自然语言处理经典案例以及绚丽的AI黑科技实战,从零开始带大家一步步掌握深度学习的原理以及实战技巧。
课程收益
掌握深度学习必备神经网络原理以及各种神经网络变形体及其应用案例
讲师介绍
唐宇迪更多讲师课程
计算机博士,专注于机器学习与计算机视觉领域,深度学习领域一线实战讲师。在图像识别领域有着丰富经验,实现过包括人脸识别,物体识别,关键点检测等多种应用的新算法。 参与多个国家级计算机视觉项目,多年数据领域培训经验,丰富的教学讲解经验,出品多套机器学习与深度学习系列课程,课程生动形象,风格通俗易懂。
课程大纲
第1章:神经网络必备基础知识点
1.课程概述与环境配置(PPT下载--->) 12:30
2.深度学习与人工智能概述 14:33
3.机器学习常规套路 12:22
4.K近邻与交叉验证 10:08
5.得分函数 11:51
6.损失函数 7:47
7.softmax分类器 8:24
8.课件讨论 7:29
9.课后答疑 29:43
第2章:神经网络架构
1.梯度下降原理 10:34
2.学习率的作用 6:19
3.反向传播 11:51
4.神经网络基础架构 10:46
5.神经网络实例演示 15:07
6.正则化与激活函数 10:03
7.drop-out 11:23
8.课后讨论 14:32
第3章:tensorflow训练mnist数据集
1.tensorflow安装 8:03
2.tensorflow基本套路 11:03
3.tensorflow常用操作 9:29
4.tensorflow实现线性回归模型 15:27
5.tensorflow实现手写字体识别 12:04
6.参数初始化 8:19
7.迭代完成训练 10:50
8.课间讨论 8:05
9.课后讨论 16:05
第4章:卷积神经网络
1.卷积体征提取 12:15
2.卷积计算流程 9:28
3.卷积层计算参数 16:18
4.池化层操作 13:23
5.卷积网络整体架构 7:01
6.经典网络架构 12:46
第5章:CNN实战与验证码识别
1.卷积网络复习(验证码数据代码下载-->) 7:01
2.使用CNN训练mnist数据集(MNIST数据代码下载-->) 11:48
3.卷积与池化操作 9:00
4.定义卷积网络计算流程 13:26
5.完成迭代训练 11:06
6.验证码识别概述 10:17
7.验证码识别流程 17:34
第6章:自然语言处理-word2vec
1.自然语言处理与深度学习(PPT下载--->) 11:58
2.语言模型 12:27
3.神经网络模型 10:46
4.CBOW模型 12:26
5.参数更新 12:58
6.负采样模型 6:31
第7章:word2vec实战与对抗生成网络
1.使用Gensim库构造词向量 6:21
2.维基百科中文数据处理 10:26
3.Gensim构造word2vec模型 8:51
4.测试模型相似度结果 7:42
5.案例:影评情感分类(数据代码下载--->) 17:48
6.基于词袋模型训练分类器 11:08
7.准备word2vec输入数据 10:46
8.使用gensim构建word2vec词向量 16:35
9.对抗生成网络原理概述(GAN数据代码下载--->) 10:24
10.GAN网络结构定义 10:07
11.Gan迭代生成 11:52
12.DCGAN网络特性(DCGAN数据代码下载--->) 7:38
13.DCGAN网络细节 11:53
14.tfidf原理 13:28
第8章:LSTM情感分析与黑科技概述
1.RNN网络架构 12:21
2.LSTM网络架构 12:00
3.案例:使用LSTM进行情感分类 13:13
4.情感数据集处理 13:06
5.基于word2vec的LSTM模型 17:14
6.趣味网络串讲(数据代码下载--->) 11:23
7.课后讨论版 7:42
大家可以点击【查看详情】查看我的课程
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.