论坛元老
- 威望
- 0
- 贡献
- 61
- 热心值
- 1
- 金币
- 3418
- 注册时间
- 2020-8-31
|
课程介绍:
深度学习基础介绍,本课作为深度学习系列课程的第二阶段，介绍算法与应用 。
讲师介绍:
美国犹他州立大学在读计算机博士，从事机器学习，深度学习，以及计算机视觉方向的研究。美国国家科学基金年轻学者奖学金获得者。
适合学员:
对数据挖掘，机器学习感兴趣的同学。
课程时长:
总时长14个小时，每集20分钟左右，适合碎片化学习。
课程目录:
1.基本概念清晰版27:03
2.软件包安装和环境配置总述33:16
3.环境配置分部详解32:27
4.环境配置分部详解下35:07
5.手写数字识别28:08
6.神经网络基本结构及梯度下降算法43:01
7.随机梯度下降算法12:13
8.梯度下降算法实现上26:05
9.梯度下降算法实现下32:27
10.神经网络手写数字演示40:14
11.Backpropagation算法上33:39
12.Backpropagation算法下33:11
13.Backpropagation算法实现30:46
14.cross-entropy函数27:06
15.Softmax和Overfitting39:55
16.Regulization21:45
17.Regulazition和Dropout31:19
18.正态分布和初始化(修正版)17:08
19.提高版本的手写数字识别实现30:47
20.神经网络参数hyper-parameters选择31:07
21.深度神经网络中的难点36:56
22.用ReL解决VanishingGradient问题16:38
23.ConvolutionNerualNetwork算法29:40
24.ConvolutionNeuralNetwork实现上30:50
25.ConvolutionNeuralNetwork实现下22:16
26.Restricted Boltzmann Machine24:53
27.Restricted Boltzmann Machine下20:31
28.Deep Brief Network 和 Autoencoder19:29
|
|
发表于 2019-3-21 15:03
