- 课程概览
- 授课讲师
- 课程大纲
- 课程概览
- 授课讲师
- 课程大纲
深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。
课程概览
授课讲师
腾讯云社区年度最佳作者，csdn博客专家。 参与iVX低代码平台网站海外版编写重构，编写小型开源Web框架。 熟练掌握C、Python、Java等语言；PythonWeb、Android开发、计算机视觉、自然语言处理。 熟悉js、kotlin等语言；熟悉vue、react等前端框架。熟悉OpenCV、Sklearn、Pytorch等框架和模块。熟悉各种神经网络，如DNN、CNN、RNN、word2vec，熟悉attention机制以及bert预训练模型。 上课理论实践结合，例子新颖，案例贴近生活，把技术带入生活。 循循善诱，平易近人;注意启发和调动学生的积极性，课堂气氛较为活跃;例题丰富，不厌其烦，细心讲解，虚心并广泛听取学生的意见和反馈信息，做到及时修正和调整自己的知识的传授方式。
课程大纲
- 第1章感知机
- 第1节感知机是什么
- 第2节简单逻辑电路
- 第3节感知机的实现
- 第4节感知器机的局限性
- 第5节多层感知机
- 第2章神经网络
- 第1节从感知机的神经网络
- 第2节激活函数
- 第3节多维数组的运算
- 第4节3层神经网络的实现
- 第5节输出层的设计
- 第6节手写数字识别
- 第3章神经网络的学习
- 第1节从数据中学习
- 第2节损失函数
- 第3节数值微分
- 第4节学习算法的实现
- 第4章误差反向传播
- 第1节计算图
- 第2节链式法则
- 第3节反向传播
- 第4节简单层的实现
- 第5节激活函数层的实现
- 第6节Affine/Softmax层的实现
- 第7节误差反向传播法的实现
- 第5章与学习相关的技巧
- 第1节参数的更新
- 第2节权重的初始值
- 第3节Batch Normalization
- 第4节正则化
- 第5节超参数验证
- 第6章卷积神经网络
- 第1节整体结构
- 第2节卷积层
- 第3节池化层
- 第4节卷积层和池化层的实现
- 第5节CNN的实现
- 第6节CNN的可视化
- 第7节具有代表性的CNN
- 第7章深度学习
- 第1节加深网络
- 第2节深度学习的小历史
- 第3节深度学习的高速化
- 第4节深度学习的应用案例
- 第8章深度学习框架
- 第1节sklearn
- 第2节PyTorch
- 第3节Tensorflow和keras
| 节数 | 上课时间 | 星期一 | 星期二 | 星期三 | 星期四 | 星期五 | 星期六 | 星期天 |
|---|---|---|---|---|---|---|---|---|
| 第1节 | 08:00 - 08:40 | |||||||
| 第2节 | 09:00 - 09:40 | |||||||
| 第3节 | 10:00 - 10:40 | |||||||
| 第4节 | 11:00 - 11:40 | |||||||
| 第5节 | 14:00 - 14:40 | |||||||
| 第6节 | 15:00 - 15:40 | |||||||
| 第7节 | 16:00 - 16:40 | |||||||
| 第8节 | 17:00 - 17:40 |
| 天数 | 上课日期 | 上课时间 | 内容 |
|---|
相关竞赛
相关课件 更多
-
pptx
第8章 深度学习框架
大小：470.28KB
2023-01-31
-
pptx
第7章 深度学习
大小：3.74MB
2023-01-31
-
pptx
第6章 卷积神经网络
大小：1.8MB
2023-01-31
-
pptx
第5章 与学习相关的技巧
大小：2.29MB
2023-01-31
-
pptx
第4章 误差反向传播
大小：3.41MB
2023-01-31
-
pptx
第3章 神经网络的学习
大小：2.11MB
2023-01-31
020-38289118 转 171
971957201