当前位置:首页 > 全部课程 > 算法模型 > 机器学习 > 《三个月教你从零入门人工智能-深度学习精华实践课程
三个月教你从零入门人工智能-深度学习精华实践课程

已完结 三个月教你从零入门人工智能-深度学习精华实践课程

14人已学习 收藏 分享赚 ¥44.9元
价 格
89.00 ~ 449.00
打开微信扫描二维码
点击右上角进行分享

开通以下任意VIP等级即可免费学习本课程

我已阅读并同意《VIP服务协议》
开通 取消

详情

目录

资料(1)

评价(0)

【课程详情】

  • 章节01: 什么是人工智能

    • 01.人工智能背景介绍

    • 02.前期环境准备


  • 章节02: 深度学习入门基础知识

    • 03.深度学习环境准备

    • 04.TensorFlow快速入门(一)-基本概年和框架

    • 05.Tensorflow快速入门(二)-实战演练和模型训练

    • 06.Tensorflow快速入门(三)-技巧总结

    • 07.深度学习数学知识一览表

    • 08.作业:实例:用自己的数据集训练模型

    • 09.作业讲解?如何制作自己的数据集1

    • 10.作业讲解?如何制作自己的数据集2


  • 章节03: 传统神经网络与参数理解

    • 11.什么是多层感知机

    • 12.激活函数的原理、类别与实现1

    • 13.激活函数的原理、类别与实现2

    • 14.损失函数的原理、类别与实现上

    • 15.损失函数的原理、类别与实现下

    • 16.梯度下降算法一

    • 17.梯度下降算法二

    • 18.学习率的设定

    • 19.正则化的方法(一)

    • 20.正则化的方法(二)

    • 21.实例:识别花的种类

    • 22.作业:改变不同的参数,提高识别花种类的准确率

    • 23.作业讲解:不同参数的改变对于准确率的变化原理


  • 章节04: 前向传播与反向传播

    • 24.前向传播的原理

    • 25.前向传播的代码实现

    • 26.反向传播的原理

    • 27.反向传播代码实现

    • 28.实例:自己手写一个完整的BP

    • 29.作业:写一个Autoencoder

    • 30.作业讲解:如何写一个Autoencoder


  • 章节05: 自编码Autocoder的原理及应用

    • 31.什么是Autoencoer

    • 32.Autoencoder的原理与实现

    • 33.Autoencoder与PCA的区别

    • 34.Autoencoder的变种(一)

    • 35.Autoencoder的变种(二)

    • 36.实例:Autoencoder与聚类结合在预测用户偏好中的应用

    • 37.作业:运用Autoencoder对海量数据进行降维

    • 38.作业讲解:如何高效的运用Autoencoder降维


  • 章节06: 经典卷积神经网络及图像分类

    • 39.卷积神经网络的背景与原理

    • 40.卷积神经网络的代码实现(1)

    • 41.卷积神经网络的代码实现(2)

    • 42.Le-Net5的网络结构与实现

    • 43.Alexnet的网络结构和实现

    • 44.Vgg的网络结构及实现

    • 45.GoogleNet的网络结构与实现

    • 46.Resnet的网络结构及实现

    • 47.实例:用经典的卷积神经网络cifar-10数据进行图像分类


  • 章节07: 目标检测算法的原理及应用

    • 48.目标检测算法的简介与种类

    • 49.R-CNN相关算法的原理及实现(一)

    • 50.R-CNN相关算法的原理及实现(二)

    • 51.YOLO相关算法的原理及实现(一)

    • 52.YOLO相关算法的原理及实现(二)

    • 53.SSD相关算法的原理及实现 (一)

    • 54.SSD相关算法的原理及实现 (二)


  • 章节08: 迁移学习

    • 55.迁移学习简介

    • 56.迁移学习的应用

    • 57.迁移学习的方法

    • 58.迁移学习案例分享


  • 章节09: 循环神经网络RNN

    • 59.循环神经网络RNN的简介与原理详解

    • 60.循环神经网络RNN的代码实现

    • 61.实例:用RNN来做情感分析


  • 章节10: 自然语言处理

    • 62.LSTM的简介与原理详解

    • 63.LSTM的代码实现

    • 64.实例:用LSTM实现一个简单的聊天机器人


  • 章节11: 无监督学习:对抗网络GAN

    • 65.GAN的背景与应用

    • 66.GAN的数学推导及代码实现

    • 67.GAN的变种及应用

    • 68.实例:用GAN生成二次元萌妹子


  • 章节12: 深度学习的高性能计算

    • 69.单机单卡的实现过程

    • 70.单机多卡的实现过程

    • 71.多机单卡的实现过程

    • 72.多机多卡的实现过程

    • 73.实例:分布式训练实例:基于docker的分布式


  • 章节13: 实战项目演练

    • 74.用户分群与偏好预测经典案例

    • 75.自动创作古诗词

    • 76.自动创造音乐


相关说明:

1、资源部分来源于网络公开发表文件,所有资料仅供学习交流。

2、所收取费用仅用来维系网站运营,性质为用户友情赞助,并非售卖文件费用。

3、如侵犯您的权益,请联系管理员处理。

综合
好评
0%
  • 综合评分5.00
  • 内容实用5.00
  • 通俗易懂5.00
友情链接:

邮箱:didabiancheng@126.com

地址:厦门火炬高新区软件园创新大厦C区3F-A487

Android/IOS App

微信小程序

微信公众号

VIP特权
微信客服
微信扫一扫咨询客服