深度学习理论与实战(基于TensorFlow)实现—187人已学习
课程介绍
这门课程,重在教会你如何用,在你熟练应用的基础上,再去探究算法机理。基于这样的考量,我们设计了视频、图文、代码练习和项目实战这四种主要的教学方式。视频课程,老师会讲解理论知识、算法、重要的概念、关键性的代码。图文教程是视频教程的补充,主要是一些拓展知识,和一些不是重要,但是对理解知识又不可或缺的内容,供大家按照自己的节奏去阅读。通常一个视频课时跟随一个图文课时。
课程收益
通过这门课程学习之后,学生能掌握深度学习、神经网络的概念,能独立完成项目实践,代码认真撰写的同学,可以入职找一份深度学习工程师的职位
讲师介绍
更多讲师课程
《深度学习入门之PyTorch》(电子工业出版社)作者 中国科学技术大学硕士,旷视科技工程师
课程大纲
第1章:预备内容(入门)
1.【视频】小白入门指南+学习方法建议 7:31
2.【视频】深度学习概论 11:48
3.【视频】代码版本控制和托管平台Github简介 4:09
4.【图文】深度学习环境配置 0:07
5.【图文】Python环境配置 0:07
6.【视频】编程语言Python1-简介和重要概念 7:23
7.【视频】编程语言Python2-数值计算库Numpy 4:25
8.【代码】 python基础 0:18
第2章:深度学习框架TensorFlow基础(入门)
1.【视频】TensorFlow介绍 1:24
2.【代码】TensorFlow介绍(见附件) 0:18
3.【视频】tensorflow基础1-计算图 session Tensor 4:24
4.【视频】tensorflow基础2-OP 矩阵 随机化 Variable 7:15
5.【视频】tensorflow基础3-占位符 graph 6:24
6.【代码】TensorFlow基础(见附件) 0:18
第3章:神经网络(进阶)
1.【视频】线性模型、梯度下降及框架实现 12:41
2.【图文】线性模型和梯度下降 0:07
3.【代码】线性模型和梯度下降(见附件) 0:18
4.【视频】Logistic回归 10:37
5.【图文】Logistic回归 0:07
6.【代码】Logistic回归(见附件) 0:18
7.【视频】多层神经网络 6:56
8.【图文】多层神经网络 0:07
9.【代码】多层神经网络(见附件) 0:18
10.【视频】多分类问题及深层神经网络 7:24
11.【图文】多分类问题及深层神经网络 0:07
12.【代码】多分类问题及深层神经网络(见附件) 0:18
13.【视频】反向传播算法、优化算法 8:36
14.【图文】反向传播算法 0:07
15.【图文】优化算法介绍 0:07
16.【图文】优化算法变式 0:07
17.【代码】优化算法Adadelta(见附件) 0:18
18.【代码】优化算法Adagrad(见附件) 0:18
19.【代码】优化算法Adam(见附件) 0:18
20.【代码】优化算法Momentum(见附件) 0:18
21.【代码】优化算法RMSProp(见附件) 0:18
22.【代码】优化算法SGD(见附件) 0:18
23.【实战项目1】:使用神经网络预测房价(见附件) 0:07
第4章:卷积神经网络CNN(进阶)
1.【视频】卷积神经网络的背景及引入 3:54
2.【视频】卷积神经网络 13:51
3.【图文】卷积神经网络 0:07
4.【视频】卷积神经网络的框架实现 5:43
5.【代码】卷积神经网络的框架实现(见附件) 0:18
6.【图文】数据预处理和批标准化 0:07
7.【视频】经典卷积神经网络1:AlexNet 12:28
8.【代码】经典卷积神经网络1:AlexNet(见附件) 0:18
9.【视频】高层API-keras和TF-Slim的使用 13:35
10.【代码】高层API-keras和TF-Slim代码实现(见附件) 0:18
11.【视频】经典卷积神经网络2:VGG 5:03
12.【代码】经典卷积神经网络2:VGG(见附件) 0:18
13.【视频】经典卷积神经网络3:GoogLeNet 7:29
14.【代码】经典卷积神经网络3:GoogLeNet(见附件) 0:18
15.【视频】经典卷积神经网络4:ResNet 7:30
16.【代码】经典卷积神经网络4:ResNet(见附件) 0:18
17.【视频】经典卷积神经网络5:DenseNet 6:05
18.【代码】经典卷积神经网络5:DenseNet(见附件) 0:18
19.【图文】五个经典卷积神经网络特点总结 0:07
20.【视频】CNN训练技巧1-数据增强 6:47
21.【代码】CNN训练技巧1-数据增强(见附件) 0:18
22.【视频】CNN训练技巧2-学习率衰减 2:57
23.【代码】CNN训练技巧2-学习率衰减(见附件) 0:18
24.【视频】CNN训练技巧3-dropout 3:25
25.【代码】CNN训练技巧3-dropout(见附件) 0:18
26.【视频】CNN技巧4-正则化 2:11
27.【代码】CNN技巧4-正则化(见附件) 0:18
28.【代码】CNN技巧拓展-批正则化(见附件) 0:18
29.【图文】训练卷积神经网络技巧总结 0:07
30.【实战项目2】:驾驶员状态识别(见附件) 0:07
第5章:循环神经网络(进阶)
1.【视频】循环神经网络基础 11:28
2.【图文】循环神经网络基础 0:07
3.【代码】循环神经网络基础(见附件) 0:18
4.【视频】循环神经网络的应用:图像分类,时间序列分析及自然语言处理 11:05
5.【图文】循环神经网络的应用:图像分类,时间序列分析及自然语言处理 0:07
6.【代码】循环神经网络的应用1:图像分类(见附件) 0:18
7.【代码】循环神经网络的应用2:时间序列分析(见附件) 0:18
8.【代码】循环神经网络的应用3:自然语言处理n-gram(见附件) 0:18
9.【代码】循环神经网络的应用3:自然语言处理seq-lstm(见附件) 0:18
10.【代码】循环神经网络的应用3:自然语言处理word-embedding(见附件) 0:18
11.【实战项目3】:用RNN生成古诗(见附件) 0:07
第6章:生成对抗网络GAN(进阶)
1.【视频】自动编码器 8:26
2.【代码】自动编码器(见附件) 0:18
3.【视频】变分自动编码器 6:35
4.【代码】变分自动编码器(见附件) 0:18
5.【视频】生成对抗网络及框架实现 9:59
6.【图文】生成对抗网络 0:07
7.【代码】生成对抗网络(见附件) 0:18
8.【实战项目4】:用GAN生成人脸(见附件) 0:07
第7章:强化学习(进阶)
1.【视频】强化学习 12:56
2.【图文】强化学习介绍(见附件) 0:07
3.【图文】Q Learning 介绍(见附件) 0:07
4.【代码】Deep Q Networks(见附件) 0:18
5.【代码】open_ai_gym(见附件) 0:18
第8章:毕业项目
1.深度学习理论与实践(基于TensorFlow实现)毕业项目 0:07
大家可以点击【查看详情】查看我的课程
深度学习理论与实战(基于TensorFlow)实现-专题视频课程
最新推荐文章于 2024-07-02 00:52:04 发布