用神经网络构造图像和语言识别系统

笑呵呵啊 · 发表于 2019-5-6 13:02

〖课程介绍〗:6 O% T! U/ [! `8 X. W. u/ a) W
      适用人群：
            IT从业者，以及任何对人工智能，特别是深度学习和神经网络感兴趣，有一定编程经验的人  J* ?3 u/ F, c: J* |

      课程概述：. U' O) U( M+ e4 I* q; V; |# m
            每次技术变革总给社会带来诡异的影响。一方面它改善人们的生活，延长人的寿命，让一些处于新行业，掌握新技能的人发挥更大的作用。另一方面它却无情的淘汰那些没能及时赶上时代机遇列车的人们。回想英国工业革命，它的出现无情的摧毁了旧有经济结构，在机器大生产的冲击下，原来那些靠一技之长的工匠运转的小作坊纷纷破产，工匠抵挡不过机器，于是他们迅速的从中产阶级沦落为赤贫草根。
            作为IT从业者或想进入IT业发展的人，你是想当时代趋势碾压的破产工匠，还是登上时代列车，顺势而为，利用人工智能所带来的技术红利实现自身飞跃，答案不言自明，为了与大家共同投身于人工智能的洪流，我开启了这门利用深度学习和神经网路实现计算机视觉和智能语义分析的实战课程，我将用一行行代码告诉你如何打造出能从图片中把人物或指定目标识别出来的智能系统，以及创建一个像人一样能对文章做阅读理解及写作的智能系统。+ k: ^5 `3 e. K( B$ q# d: F
9 a& @& u2 F% o
〖课程目录〗:' q5 j# p& ~+ i) D3 g% v0 q
      章节1:深度学习和神经网络的理论基础8 W7 A- `0 H( P/ Z' t
      课时1什么是深度学习32:27
      课时2快速构建一个手写数字识别系统36:02
      课时3神经网络基本数据结构-tensor27:54
      课时4用大白话解释人工智能底层逻辑32:37
      课时5详解神经元和激活函数30:26
      课时6使用矩阵实现神经网络数据加工链28:51. O3 W: D. j! B. C% j
      课时7通过反向传播算法回传误差改进链路权重24:22/ C4 I2 M2 Y# Q) G% t3 o
      课时8矩阵运算及梯度下降法进行神经网络迭代训练31:44# K- U: S6 n) m( Y
      课时9手算梯度下降法，详解神经网络迭代训练过程35:158 Y: r% N: \8 l: y( i
      章节2:用Python从零实现图片识别神经网络
      课时10基本框架搭建24:28: J6 Y0 v: J# F1 [7 k
      课时11实现网络的训练功能26:11
      课时12训练网络，识别手写数字图片20:184 Y4 z& n! T  M! i  @' i2 p
      课时13透过神经网络的内在灵魂与柏拉图的哲学理念21:22
      章节3:神经网络项目实践7 K2 ?8 r6 ~5 w0 X- I4 u; K6 P
      课时14用神经网络识别影评正负能量29:37
      课时15利用神经网络给新闻稿分类29:02; r& j' J% }; R  |
      课时16使用神经网络预测房价中位数29:53
      课时17重要概念深入解析26:525 U4 l7 t; P9 F
      章节4:运用深度学习实现计算机视觉识别. E% e$ C& H7 s3 v, ]1 m( l
      课时18卷积神经网络入门27:52
      课时19从零开始构造识别猫狗图片的卷积网络23:38
      课时20使用预先训练网络和特征抽取大力提升图像识别率25:47
      课时21视觉化展现网络学习过程16:413 V1 B: I) |6 q+ X, p# T
      章节5:使用神经网络进行自然语言处理% U+ r) ]! c: L8 v) A4 N5 o
      课时22word embedding,单词向量化29:009 R6 N+ w/ A) X: u: W2 p8 o
      课时23skip-gram单词向量化算法数学原理35:52
      课时24使用预先训练好的单词向量识别影片情绪28:00! E( C! T  O# x
      课时25RNN，具有记忆性神经网络19:04. W) s  \2 G# s4 K6 K  {/ M
      课时26LSTM记忆网络17:18
      课时27使用RNN和CNN混合的’鸡尾酒疗法’，提升网络对文本的识别正确率18:001 W* O( ?7 d9 N( N+ d3 v' u1 l
      课时28deep dream,使用深度学习实现绘画玄幻效果34:37
      章节6:神经网络高级运用实例
      课时29编解码器网络24:253 z  ~3 W. g! W/ D  f- ?2 g
      课时30使用keras开发高级网络形态17:214 Z. R6 q$ m: h, C8 J
      课时31使用回调函数及tensorboard实现网络训练实时监控19:10* u% u' j' }& x) o9 n: f9 b! Y/ w- ]
      课时32使用LSTM网络实现文章写作31:16: q. O& ?. q1 e6 t
      课时33使用编解码网络构造新图片24:30
      课时34最后一课：左右互搏，生成型对抗性网络的强大威力26:38

游客，如果您要查看本帖隐藏内容请回复