2019年深度学习理论与实战(基于TensorFlow实现)亚博体育排球TensorFlow2.0 95课

发布时间: 2019-09-08

发货 百度网盘 自动发货 时间 2019年 类型 免费课程

权限 Array

19.00

立即下载 加入收藏

自动发货

课程展示

QQ截图20190908205608.png


QQ截图20190908212325.png



适用人群

想入门人工智能,但是缺乏系统学习+项目实战经验的学员


课程概述

专为小白用户设计的学习梯度,科学合理!

视频重点讲解+图文补充阅读+配套项目+助教服务!

系统代码实现+详细逐行代码注释!

掌握深度学习核心知识和实践技能!



课程目录


章节1:预备知识(入门)

1【视频】你的入门学习指南07:31

2【图文】入行AI为什么系统学习数学知识的最终放弃—7个建议

3【图文】入行人工智能为什么不需要系统学习Python知识

4【图文】为什么从深度学习入行人工智能最快

5【视频】深度学习概论11:48

6【视频】代码版本控制和托管平台Github简介04:09

7【图文】深度学习环境安装和配置

章节2:python基础(入门)

8【图文】Python环境安装

9【视频】编程语言Python简介和重要概念07:23

10【视频】编程语言Python2-数值计算库Numpy04:25

11【代码】python基础(见附件)

章节3:TensorFlow基础(入门)

12【视频】TensorFlow介绍01:24

13【代码】TensorFlow介绍(见附件)

14【视频】tensorflow基础1-计算图、session、Tensor04:24

15【视频】tensorflow基础2-OP 矩阵、随机化、Variable07:15

16【视频】tensorflow基础3-占位符 graph06:24

17【代码】TensorFlow基础(见附件)

章节4:神经网络(进阶)

18【视频】线性模型、梯度下降及框架实现12:41

19【图文】线性模型和梯度下降

20【代码】线性模型和梯度下降(见附件)

21【视频】Logistic回归10:37

22【图文】Logistic回归

23【代码】Logistic回归(见附件)

24【视频】多层神经网络06:56

25【图文】多层神经网络

26【代码】多层神经网络(见附件)

27【视频】多分类问题及深层神经网络07:24

28【图文】多分类问题及深层神经网络

29【代码】多分类问题及深层神经网络(见附件)

30【视频】反向传播算法、优化算法08:36

31【图文】反向传播算法

32【图文】优化算法介绍

33【图文】优化算法变式

34【代码】优化算法Adadelta(见附件)

35【代码】优化算法Adagrad(见附件)

36【代码】优化算法Adam(见附件)

37【代码】优化算法Momentum(见附件)

38【代码】优化算法RMSProp(见附件)

39【代码】优化算法SGD(见附件)

40【实战项目1】:使用神经网络预测房价(见附件)

章节5:卷积神经网络CNN(进阶)

41【视频】卷积神经网络的背景及引入03:54

42【视频】卷积神经网络13:51

43【图文】卷积神经网络

44【视频】卷积神经网络的框架实现05:43

45【代码】卷积神经网络的框架实现(见附件)

46【图文】数据预处理-批标准化

47【视频】经典卷积神经网络1:AlexNet12:28

48【代码】经典卷积神经网络1:AlexNet(见附件)

49【视频】高层API-keras和TF-Slim的使用13:35

50【代码】高层API-keras和TF-Slim代码实现(见附件)

51【视频】经典卷积神经网络2:VGG05:03

52【代码】经典卷积神经网络2:VGG(见附件)

53【视频】经典卷积神经网络3:GoogLeNet07:29

54【代码】经典卷积神经网络3:GoogLeNet(见附件)

55【视频】经典卷积神经网络4:ResNet07:30

56【代码】经典卷积神经网络4:ResNet(见附件)

57【视频】经典卷积神经网络5:DenseNet06:05

58【代码】经典卷积神经网络5:DenseNet(见附件)

59【图文】五个经典卷积神经网络特点总结

60【视频】CNN训练技巧1-数据增强06:47

61【代码】CNN训练技巧1-数据增强(见附件)

62【视频】CNN训练技巧2-学习率衰减02:57

63【代码】CNN训练技巧2-学习率衰减(见附件)

64【视频】CNN训练技巧3-dropout03:25

65【代码】CNN训练技巧3-dropout(见附件)

66【视频】CNN技巧4-正则化02:11

67【代码】CNN技巧4-正则化(见附件)

68【代码】CNN技巧拓展-批正则化(见附件)

69【图文】训练卷积神经网络技巧总结

70【实战项目2】:驾驶员状态识别(见附件)

章节6:循环神经网络RNN(进阶)

71【视频】循环神经网络基础11:28

72【图文】循环神经网络基础

73【代码】循环神经网络基础(见附件)

74【视频】循环神经网络的应用-图像处理,时间序列和自然语言处理11:05

75【图文】循环神经网络的应用-图像处理,时间序列和自然语言处理

76【代码】循环神经网络的应用1:图像分类(见附件)

77【代码】循环神经网络的应用2:时间序列分析(见附件)

78【代码】循环神经网络的应用3:自然语言处理n-gram(附件)

79【代码】循环神经网络的应用3:自然语言处理seq-lstm

80【代码】循环神经网络的应用3:自然语言处理word-embedding

81【实战项目3】:用RNN生成古诗(见附件)

章节7:生成对抗网络GAN(进阶)

82【视频】自动编码器08:26

83【代码】自动编码器(见附件)

84【视频】变分自动编码器06:35

85【代码】变分自动编码器(见附件)

86【视频】生成对抗网络及框架实现09:59

87【图文】生成对抗网络

88【代码】生成对抗网络(见附件)

89【实战项目4】:用GAN生成人脸(见附件)

章节8:强化学习(进阶)

90【视频】强化学习12:56

91【图文】强化学习介绍(见附件)

92【图文】Q Learning 介绍

93【代码】Deep Q Networks

94【代码】open_ai_gym(见附件)

章节9:毕业项目

95深度学习理论与实践课程毕业项目



课程大小

QQ截图20190908202317.png

备注:(10)20190906 人工智能


版权信息:本站所有资源仅供学习与参考,请勿用于商业用途,如有侵犯您的版权,请及时联系客服,我们将尽快处理。

暂无评论

嘿,我来帮您!