决胜AI-深度学习系列实战150讲-唐宇迪-专题视频课程

决胜AI-深度学习系列实战150讲—2421人已学习
课程介绍    

    深度学习系列课程从基本的神经网络开始讲起，逐步过渡到当下流行的卷积与递归神经网络架构。课程风格通俗易懂，方便大家掌握深度学习的原理。课程以实战为导向，结合当下热门的Tensorflow框架进行案例实战，让同学们上手建模实战。对深度学习经典项目，从数据处理开始一步步带领大家完成多个项目实战任务！
课程收益
    掌握深度学习必备原理与实战技巧，结合Tensorflow框架进行实际项目。
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:深度学习必备基础知识点
    1. 深度学习概述  11:27
    2. 挑战与常规套路  9:40
    3. 用K近邻来进行分类  10:01
    4. 超参数与交叉验证  10:30
    5. 线性分类  9:34
    6. 损失函数  9:17
    7. 正则化惩罚项  7:19
    8. softmax分类器  13:38
    9. 最优化形象解读  6:46
    10. 最优化问题细节  11:48
    11. 反向传播  15:16
  第2章:探索神经网络整体架构
    1. 整体架构  10:11
    2. 实例演示  10:38
    3. 过拟合解决方案  15:53
  第3章:卷积与递归神经网络
    1. 卷积神经网络的应用  14:55
    2. 卷积层解释  12:53
    3. 卷积计算过程  12:30
    4. pading与stride  13:13
    5. 卷积参数共享  8:09
    6. 池化层原理  8:24
    7. 递归神经网络（RNN）概述  8:39
    8. RNN网络细节  11:54
    9. LSTM网络架构  12:36
  第4章:深度学习框架Tensorflow必备基础
    1. Tensorflow安装与简介  15:46
    2. Tensorflow中的变量  8:10
    3. 变量常用操作  13:38
    4. Tensorflow实现线性回归  15:14
    5. Mnist数据集概述  12:53
    6. 逻辑回归  15:26
  第5章:Tensorflow实战卷积神经网络
    1. 神经网络结构  16:21
    2. 卷积神经网络基本定义  17:42
    3. 卷积神经网络迭代  13:53
    4. 猫狗识别任务概述  13:18
    5. 猫狗识别数据读取  12:03
    6. 猫狗识别网络架构  18:05
    7. 猫狗迭代训练网络  16:44
    8. 猫狗测试网络效果  8:39
    9. Cifar-10图像分类任务  16:17
    10. Alexnet环境配置  15:19
    11. Alexnet数据读取与参数设置  11:56
    12. Alexnet网络结构定义  10:14
    13. Alexnet加载训练好的参数  11:23
    14. CNN应用于文本分类任务  13:28
    15. 文本分类任务特征定义  15:55
    16. 卷积网络定义  8:20
    17. 完成预测分类任务  15:10
    18. resnet网络原理  13:21
    19. resnet网络流程设计  11:46
    20. 残差网络实现细节  16:52
  第6章:Tensorflow实战递归神经网络
    1. RNN网络基本架构  11:58
    2. 实现RNN网络架构  13:27
    3. RNN实现自己的小demo  13:54
    4. RNN预测时间序列  18:49
    5. 可视化展示-Tensorboard可视化展示  12:15
    6. 可视化展示-Tensorboard展示效果  13:39
    7. 可视化展示-Tensorboard统计可视展示  10:16
    8. 可视化展示-Tensorboard参数对结果影响展示  17:14
    9. 构建数据集-tfrecord生成自己的数据集  12:39
    10. 构建数据集-tfrecord读取数据  11:55
    11. 构建数据集-tfrecord生成数据源  18:13
    12. 构建数据集-加载tfrecord进行分类任务  24:26
  第7章:图像识别项目实战
    1. 验证码识别-验证码数据生成  10:43
    2. 验证码识别-构造网络的输入数据和标签  11:57
    3. 验证码识别-卷积网络模型定义  13:24
    4. 验证码识别-迭代及测试网络效果  10:56
    5. 对抗生成网络-对抗生成网络原理概述  10:24
    6. 对抗生成网络-GAN网络结构定义  10:07
    7. 对抗生成网络-Gan迭代生成  11:53
    8. 对抗生成网络-DCGAN网络特性  7:38
    9. 对抗生成网络-DCGAN训练  11:53
    10. 风格转换-style-transfer基本原理  7:35
    11. 风格转换-风格生成网络结构原理  7:06
    12. 风格转换-风格生成网络细节  11:52
    13. 风格转换-风格转换效果展示  10:14
    14. 风格转换-参数解释与配置  9:38
    15. 风格转换-数据加载  10:51
    16. 风格转换-特征提取网络  12:40
    17. 风格转换-网络训练  18:49
    18. 风格转换-视频与图像测试模块  13:18
    19. 图像补全-论文概述  10:02
    20. 图像补全-网络架构  11:03
    21. 图像补全-细节设计  8:01
    22. 图像补全-论文总结  9:19
    23. 图像补全-数据与项目概述  10:07
    24. 图像补全-参数基本设计  9:15
    25. 图像补全-网络结构配置  12:21
    26. 图像补全-网络迭代训练  16:54
    27. 图像补全-测试模块  5:24
    28. 超分辨率重构-论文概述  5:17
    29. 超分辨率重构-网络架构  8:48
    30. 超分辨率重构-数据与环境配置  7:49
    31. 超分辨率重构-数据加载与配置  8:34
    32. 超分辨率重构-生成模块  7:32
    33. 超分辨率重构-判别模块  6:57
    34. 超分辨率重构-VGG特征提取网络  6:18
    35. 超分辨率重构-损失函数与训练  11:47
    36. 超分辨率重构-测试模块  7:59
  第8章:自然语言处理项目实战
    1. 行为识别-任务概述  6:51
    2. 行为识别-数据与网络设计  13:17
    3. 行为识别-网络迭代训练  8:47
    4. 情感分析-RNN网络架构  12:21
    5. 情感分析-LSTM网络架构  12:00
    6. 情感分析-案例：使用LSTM进行情感分类  13:13
    7. 情感分析-情感数据集处理  13:06
    8. 情感分析-基于word2vec的LSTM模型  17:14
    9. 对话机器人-效果演示  8:27
    10. 对话机器人-参数配置与数据加载  12:55
    11. 对话机器人-数据处理  8:52
    12. 对话机器人-词向量与投影  9:18
    13. 对话机器人-seq网络  8:23
    14. 对话机器人-网络训练  6:55
    15. word2vec-数据与任务流程  10:36
    16. word2vec-数据清洗  6:34
    17. word2vec-batch数据制作  12:24
    18. word2vec-网络训练  12:36
    19. word2vec-可视化展示  6:19
  第9章:物体检测-Faster-Rcnn实战
    1. 物体检测概述  13:27
    2. 经典检测方法  17:11
    3. faster-rcnn概述  11:21
    4. 论文概述  16:07
    5. RPN网络结构  18:32
    6. 损失函数定义  20:26
    7. 网络细节  16:10
    8. 环境配置  19:16
    9. 项目概述  13:29
    10. 数据处理  12:59
    11. 数据变换  9:35
    12. 完成数据读取  18:57
    13. 特征提取  12:27
    14. RPN网络层  17:45
    15. 提取网络细节  16:13
    16. 网络训练迭代  17:44
  第10章:机器学习翻译框架NMT实战
    1. 网络架构  7:16
    2. Seq2Seq网络基本架构  9:10
    3. Seq2Seq网络应用  9:10
    4. Attention机制  13:02
    5. 构建自己的输入法-数据准备  17:08
    6. 构建自己的输入法-网络结构概述  8:53
    7. 3-加载数据  11:01
    8. 4-训练测试模型  14:31
    9. 1-机器翻译框架概述  16:59
    10. 机器翻译框架NMT-参数设置  14:34
    11. 机器翻译框架NMT-数据加载  19:09
    12. 机器翻译框架NMT-网络结构定义  20:26
    13. 机器翻译框架NMT-训练模型  15:12
大家可以点击【 查看详情】查看我的课程