深度学习原理详解及Python代码实现

2人 购买 好评度 -
用手机看

扫一扫继续用手机看

  • 微信扫码

  • QQ扫码

下载手机APP
收藏
  • 第一期
更多班级

第一期

支持随到随学,25年05月过期

¥66.22

本班因教学质量问题暂时不能报名。 查看详情

课程因违反平台规定暂时不能报名。

立即购买

课程概述

目录

往期学员作业()

评论

老师介绍

  • 白勇

    白勇

    大学教授,美国归国博士、博士生导师;人工智能公司专家顾问;长期从事人工智能、物联网、大数据研究;已发表学术论文100多篇,授权发明专利10多项
简  介 深刻理解深度学习原理;掌握深度神经网络的Python代码实现方法

深度学习框架如Tensorflow和Pytorch等为用户提供了可供调用的API,但也隐藏了深度学习底层的实现细节。

 

为方便大家更加深入地理解深度学习原理并了解其底层实现,特此推出了课程《深度学习原理详解及Python代码实现》。期望能“掀起你的盖头来,让我看看你的模样”,为深度学习进一步的优化和创新打下根基。

 

本课程详细讲解深度学习原理并进行Python代码实现。课程内容涵盖感知机、多层感知机、卷积神经网络、循环神经网络,并使用Python 3及Numpy、Matplotlib从零实现上述神经网络。本课程还讲述了神经网络的训练方法与实践技巧,且开展了代码实践演示。对于核心内容讲解深入细致,如基于计算图理解反向传播算法,并用数学公式推导反向传播算法;另外还讲述了卷积加速方法im2col。

 

本课程力求使学员通过深度学习原理、算法公式及Python代码的对照学习,摆脱框架而掌握深度学习底层实现原理与方法。

 

本课程将给学员分享深度学习的Python实现代码。课程代码通过Jupyter Notebook演示,可在Windows、ubuntu等系统上运行,且不需GPU支持。

 

学习本课程的前提是会使用Python语言和Numpy和Matplotlib库。

资料下载报名后支持下载

* 课程提供者:白勇