小象学院第三期《深度学习》视频教程,全套视频教程学习资料通过百度云网盘下载

admin

资源详情


课程名称:《深度学习》第三期主讲老师：李伟，美国纽约城市大学博士研究领域包括深度学习，计算机视觉，人脸计算以及人机交互，即将毕业加入美国顶级云计算平台人工智能研究组。在CVPR，ECCV等顶级会议上发表了多篇学术文章，同时他还是WACV，ACCV，ECCV等重要视觉会议以及MVA，CVIU等期刊的审稿人。课程简介：本次的深度学习课程主要包括三大部分：xa0xa0xa0xa01）深度学习核心原理。了解深度学习运行的最核心数学原理，从而对后续的知识点扩展，模型设计与优化技能打下基础。xa0xa0xa0xa02）深度学习知识点连接。会涵盖主流的深度学习研究工程应用中碰到的大部分知识点，与大部分学习资料孤立进行知识点介绍不同，会结合主讲人自身总结找到所有知识点之间的联系，便于系统掌握。xa0xa0xa0xa03）介绍不同知识点的代表应用。结合所学的原理以及知识点，介绍比较重要的图像和语言方面的应用，如增强学习，迁移学习，GAN等，方便学员针对自身兴趣的目标进行强化训练。面向人群：xa0xa0xa0xa01.xa0xa0想了解和学习深度学习的学习者xa0xa0xa0xa02.xa0xa0想学习深度学习的相关从业人员xa0xa0xa0xa03.xa0xa0想转行从事深度的学习者学习收益：通过本课程的学习，学员将会收获：xa0xa0xa0xa01.xa0xa0帮助学员系统忄生的掌握深度学习的基本原理，以及从基本概念到各个先进模型的转化思路xa0xa0xa0xa02.xa0xa0了解研究过程中定义问题设计模型的思路xa0xa0xa0xa03.xa0xa0培养学员面对工程及学术问题的思考解决能力xa0xa0xa0xa04.xa0xa0快速积累深度学习项目经验开课时间：2017年3月4日学习方式：在线直播，共10次课，每次2小时每周2次（周六、日，晚上20:00-22:00）直播后提供录制回放视频，可在线反复观看，有效期1年课程大纲：第一课深度学习总体介绍xa0xa0xa0xa01.xa0xa0神经网络：传统到现代xa0xa0xa0xa02.xa0xa0深度学习应用特点xa0xa0xa0xa03.xa0xa0深度学习发展方向xa0xa0xa0xa04.xa0xa0深度学习框架比较：用Tensorflow进行课程学习第二课传统神经网络xa0xa0xa0xa0xa0xa01.xa0xa0线忄生回归xa0xa0xa0xa02.xa0xa0非线忄生激励函数xa0xa0xa0xa03.xa0xa0loss函数，常见问题：过拟合，正则化，dropoutxa0xa0xa0xa0实例：传统神经网络络实现第三课xa0xa0反向反馈：深度学习模型优化基础xa0xa0xa0xa01.xa0xa0SGD梯度下降介绍xa0xa0xa0xa02.xa0xa0神经网络的梯度优化xa0xa0xa0xa03.xa0xa0神经网络训练xa0xa0xa0xa0实例：反向梯度优化对比第四课卷积神经网络xa0xa0xa0xa01.xa0xa0卷积核以及卷积层xa0xa0xa0xa02.xa0xa0AlexNet最早的现代神经网络xa0xa0xa0xa03.xa0xa0VGG，GoogleNet,，ResNet.近期的高级网络xa0xa0xa0xa0实例：利用已有模型进行物体分类／特征提取第五课迁移学习xa0xa0xa0xa01.xa0xa0理论分析xa0xa0xa0xa02.xa0xa0迁移模型&原始训练模型xa0xa0xa0xa03.xa0xa0如何设计新的的网络xa0xa0xa0xa0实例：表情识别／人脸识别／动物识别第六课与时域信息相关的深度学习xa0xa0xa0xa03.xa0xa0图片标题生成xa0xa0xa0xa04.xa0xa0视频处理xa0xa0xa0xa0实例：LSTM用于图片标题生成第七课自然语言处理xa0xa0xa0xa01.xa0xa0处理之前：speechtotextxa0xa0xa0xa02.xa0xa0词语表达，word2vectxa0xa0xa0xa03.xa0xa0语句生成LSTMxa0xa0xa0xa0实例：根据上下文回答问题第八课给予深度学习的目标检测xa0xa0xa0xa01.xa0xa0传统的目标检测方法xa0xa0xa0xa02.xa0xa0初代算法：RegionCNNxa0xa0xa0xa03.xa0xa0升级：SPPNet，FastRCNN，FasterRCNNxa0xa0xa0xa04.xa0xa0深度学习另辟蹊径：YoLo和SSDxa0xa0xa0xa0实例：自动驾驶的核心：实时目标检测第九课深度卷积神经偶的重要应用xa0xa0xa0xa01.xa0xa0图片问答xa0xa0xa0xa02.xa0xa0图像模式转换xa0xa0xa0xa03.xa0xa0图像高清化xa0xa0xa0xa04.xa0xa0围棋程序，Alphagoxa0xa0xa0xa05.xa0xa0自动游戏机器人，DeepMindAtarixa0xa0xa0xa0实例：图片艺术风格转化第十课无监督学习：对抗网络GANxa0xa0xa0xa01.xa0xa0传统无监督学习Autoencode，KMeans，SparseCodingxa0xa0xa0xa02.xa0xa0RBM限制博斯曼机，深度学习的另一支xa0xa0xa0xa03.xa0xa0生成对抗网络GANxa0xa0xa0xa0实例：机器生成图片，以假乱真课时1：第一课_深度学习总体介绍课时2：视频-第一课_深度学习总体介绍课时3：第二课_传统神经网络课时4：视频-第二课_传统神经网络课时5：第三讲_卷积神经网络－基础篇课时6：视频-第三讲_卷积神经网络－基础篇课时7：第四讲_卷积神经网络－高级篇课时8：视频-第四讲_卷积神经网络－高级篇课时9：第五讲_卷积神经网络－目标分类课时10：视频-第五讲_卷积神经网络－目标分类课时11：第六讲_卷积神经网络－目标探测课时12：视频-第六讲_卷积神经网络－目标探测课时13：第七讲_递归神经网络课时14：视频-第七讲_递归神经网络课时15：第八讲_卷积网络+递归网络课时16：视频-第八讲_卷积网络+递归网络课时17：第九讲_生成对抗网络

游客，如果您要查看本帖隐藏内容请回复