深度学习理论与实践(视觉方向)
深度学习理论与实践(视觉方向)

深度学习计算机视觉、语音识别、自然语言处理领域带来了突破性的进展,在人脸识别、语音识别、机器翻译等应用的准确率达到了接近甚至超过人类的水平。目前,深度学习已成为人工智能领域入门者的必修知识。

本门课程将从基础的数学模型以及算法实现出发,详细讲解常见的深度神经网络模型,以及深度学习在图像分类、物体检测、语义分割等经典任务中的应用。

〖资源目录〗:

  • ├──ch1
  • | ├──课件
  • | | └──深度学习 L1 课程基础介绍.pdf 2.89M
  • | └──视频
  • | | ├──1.1AI介绍.mp4 33.08M
  • | | ├──1.2AI常见任务.mp4 329.31M
  • | | ├──1.3人工智能方法.mp4 287.92M
  • | | └──1.4AI企业.mp4 50.52M
  • ├──ch10
  • | ├──课件
  • | | └──L10预训练语言模型v2.0.pdf 6.86M
  • | └──视频
  • | | ├──10.1发展历史.mp4 470.81M
  • | | ├──10.2模型详解.mp4 1.50G
  • | | └──10.3模型对比.mp4 321.78M
  • ├──ch2
  • | ├──课件
  • | | ├──2.7作业.mp4 37.22M
  • | | ├──HW2 coding.zip 28.79M
  • | | ├──第二章作业分享-张益铨.pdf 703.16kb
  • | | ├──第二章作业思路提示-李中原.pdf 1.99M
  • | | └──深度学习 L2 神经网络-V3.0.pdf 2.04M
  • | └──视频
  • | | ├──2.1逻辑回归.mp4 422.02M
  • | | ├──2.2感知机.mp4 77.56M
  • | | ├──2.3神经网络-前向传播.mp4 333.61M
  • | | ├──2.4神经网络-反向传播.mp4 409.18M
  • | | ├──2.5激活函数.mp4 201.60M
  • | | └──2.6手写数字识别.mp4 560.46M
  • ├──ch3
  • | ├──课件
  • | | ├──code-Python.zip 49.21M
  • | | ├──code3代码作业.zip 33.80M
  • | | ├──L3 卷积神经网络.pdf 2.79M
  • | | ├──第三章作业讲解-徐斌.pdf 1.32M
  • | | └──第三章作业思路提示-钟颖助教.pdf 566.26kb
  • | └──视频
  • | | ├──3.1卷积.mp4 350.51M
  • | | ├──3.2CNN数学原理.mp4 521.88M
  • | | ├──3.3CNN推导及发展历史.mp4 845.45M
  • | | └──3.4手写数字识别实践.mp4 508.24M
  • ├──ch4
  • | ├──课件
  • | | ├──bias_and_variance.pdf 204.87kb
  • | | ├──course04-code.zip 49.20M
  • | | ├──L4 优化算法与参数调节.pdf 3.58M
  • | | ├──L4思路提示.pdf 457.46kb
  • | | ├──第四章作业分享.pdf 315.22kb
  • | | └──梯度下降演示工具master.zip 62.82M
  • | └──视频
  • | | ├──4.1模型与风险.mp4 433.14M
  • | | ├──4.2偏差与方差.mp4 315.87M
  • | | ├──4.3评价指标.mp4 258.45M
  • | | └──4.4网络优化.mp4 1001.10M
  • ├──ch5
  • | ├──课件
  • | | ├──Pytorch框架.pdf 2.59M
  • | | ├──参考资料.zip 97.05M
  • | | ├──第五章作业分享.mp4 281.32M
  • | | ├──第五章作业分享.pdf 8.23M
  • | | └──第五章作业思路提示 .pdf 353.30kb
  • | └──视频
  • | | ├──5.1pytorch简介与安装.mp4 291.31M
  • | | ├──5.2pytorch元素.mp4 262.94M
  • | | ├──5.3pytorch网络搭建.mp4 621.31M
  • | | ├──5.4学习率.mp4 57.22M
  • | | └──5.5PyTorch进阶.mp4 204.71M
  • ├──ch6
  • | ├──课件
  • | | ├──Faster R-CNN.pdf 6.59M
  • | | ├──faster-rcnn.pytorch-master.zip 1.40M
  • | | ├──ImageNet分类实践.pdf 786.12kb
  • | | ├──目标检测.pdf 4.00M
  • | | └──图像分类.pdf 2.20M
  • | └──视频
  • | | ├──6.1基于CNN的图像分类.mp4 537.47M
  • | | ├──6.2ImageNet实践图像分类.mp4 463.26M
  • | | ├──6.3基于CNN的目标检测算法.mp4 603.26M
  • | | └──6.4FasterRCNN代码讲解.mp4 573.24M
  • ├──ch7
  • | ├──课件
  • | | ├──L7 LSTM与GRU.pdf 1.09M
  • | | └──L7 循环神经网络.pdf 1.57M
  • | └──视频
  • | | ├──7.1RNN.mp4 903.35M
  • | | └──7.2LSTM与GNU.mp4 521.46M
  • ├──ch8
  • | ├──课件
  • | | └──L8 深度学习在NLP中的应用.pdf 4.05M
  • | └──视频
  • | | ├──8.1NLP应用与文本表示学习.mp4 1000.40M
  • | | ├──8.2文本分类应用.mp4 777.19M
  • | | └──8.3文本分类代码实践.mp4 548.54M
  • └──ch9
  • | ├──课件
  • | | └──L9 注意力网络.pdf 1.43M
  • | └──视频
  • | | └──9.1注意力机制.mp4 822.11M
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。