深度学习入门视频课程—22162人已学习
课程介绍    

    深度学习入门视频课程从基本的神经网络开始讲起，将复杂的神经网络分成几个小模块，先对的知识点的细节进行详细讲解再拓展到整个神经网络，从神经网络的架构，细节进行全面分析，并使用python代码完成的神经网络，从效果上感受神经网络的强大。熟悉神经网络后再进军卷积神经网络与递归神经网络，详解CNN与RNN的原理与细节。对经典网络模型结构详细分析讲解，选择经典论文剖析。带大家上手深度学习！
课程收益
    快速掌握深度学习必备基础知识点，案例实战讲解如何实现神经网络并应用在真实数据集上。形象解读CNN与RNN网络模型结合经典论文带领大家快速入门深度学习。
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:深度学习必备知识点
    1. 深度学习与人工智能概述  11:27
    2. 计算机视觉面临挑战与机器学习常规套路  9:40
    3. 用K近邻进行图像分类任务（->数据代码下载）  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. 最优化问题形象解读  6:46
    10. 梯度下降算法  11:48
    11. 反向传播实例  15:16
  第2章:走进深度学习的世界-神经网络模型
    1. 初识神经网络  25:10
    2. 深入神经网络细节  21:35
  第3章:神经网络案例实战
    1. Python环境搭建（推荐Anaconda方法）  13:10
    2. Eclipse搭建python环境  5:23
    3. 动手实现简易神经网络  12:31
    4. 感受神经网络的强大  11:30
    5. 神经网络案例-cifar分类任务  16:01
    6. 神经网络案例-分模块构造神经网络  13:33
    7. 神经网络案例-训练神经网络完成分类任务  13:26
  第4章:卷积神经网络
    1. 卷积神经网络（CNN）能干什么  14:55
    2. 卷积层原理详解  12:53
    3. 卷积的计算过程  12:30
    4. 卷积核涉及参数详解  13:13
    5. 参数共享原则  8:09
    6. 池化层详解  8:24
    7. 分类与回归任务应用详解  33:30
    8. 如何巧妙设计网络结构  21:51
    9. 训练技巧之数据增强  12:20
    10. 训练技巧之Transfer Learning  11:09
    11. 经典卷积神经网络架构  21:15
  第5章:卷积神经网络案例实战
    1. 卷积神经网络反向传播原理  14:43
    2. 案例实战：实现卷积层的前向传播与反向传播  10:19
    3. 案例实战：实现池化层的前向传播与反向传播  12:00
  第6章:递归神经网络
    1. 递归神经网络原理  9:12
    2. LSTM网络结构  10:01
    3. 案例实战：打造二进制加法器  33:46
  第7章:Faster-rcnn物体检测框架
    1. 物体检测框架Faster-rcnn原理  16:25
    2. Faster-rcnn之RPN层  23:47
    3. 整体框架流程  19:41
    4. 实验效果评估  21:43
  第8章:级联网络结构
    1. 级联网络原理分析  11:01
    2. 级联网络实现细节  13:16
  第9章:关键点定位网络
    1. 关键点定位论文算法整体框架分析  20:36
    2. 实现细节解读  11:29
    3. 网络结构详解  9:12
  第10章:残差网络架构
    1. 深度残差网络架构分析  12:58
    2. 残差网络实现细节  13:56
  第11章:style-transfer风格转换
    1. PRISMA图像风格变换原理  10:34
    2. STYLE-TRANSFER实现细节  11:00
大家可以点击【 查看详情】查看我的课程