博睿云-IT技术在线教育学习平台

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

深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。

授课讲师

魏志伟

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

人工智能与深度学习

课程概览

授课讲师

课程大纲

相关课件更多

网站导航

人工智能与深度学习

课程概览

授课讲师

课程大纲

相关课件 更多

相关课程

网站导航

相关课件更多