深度学习理论与实战（基于TensorFlow）实现-专题视频课程

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