课程分类

课程介绍
课程目录
用户评论
课程介绍
课程目录
用户评论

你将获得

  • 掌握某些知识点
  • 学会某些技巧(或思路)

教学服务

  • icon

    1v1专属答疑服务

  • icon

    BAT专家面试辅导

讲师介绍

  • 我是王而川,哈尔滨乐川科技有限责任公司公司CEO,企业培训负责人,天津大学软件学院的一名硕士,人工智能与数据挖掘实验室,专注研究无人驾驶领域的目标识别与跟踪。本人对机器学习,深度学习都有一定的研究。某培训学院创始人,人工智能培训讲师,专业从事机器学习与深度学习培训。

  • 课程详情

    公开课主题: 深度学习-从0到100,完整版教学
    预计课时数:40课时
    系列课期望收费金额:98元
    课程适合人群深度学习入门学子、深度学习进阶学子
    课程介绍:深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本。本课程从0到100,讲解深度学习必备知识点。本课程主要讲解:深度学习数学基础、高效计算基础与图像线性分类器、梯度下降法与反向传播、卷积神经网络CNN网络结构与常用框架、caffe TensorFlow使用与CNN训练注意事项、CNN扩展图像识别与定位、物体检测、NeuralStyle、循环神经网络RNN讲解、RNN应用案例、其他深度学习网络介绍、深度学习四大框架详解。
    课程大纲:(请列出每节课的知识点)
    第一节:深度学习数学基础
    微积分重点:导数、梯度和Hessian矩阵、二次型梯度、泰勒级数与极值。
    概率论重点:累积分布函数、概率密度函数、高斯分布、贝叶斯公示。
    矩阵重点:方阵的特征值与特征向量、特征分解、二次型、PCA本质。
    凸优化重点:一般优化问题、KKT应用、凸优化问题。
    第二节:高效计算基础与图像线性分类器
    神经网络介绍与应用:计算机视觉(图像识别、检测)、语言处理(作画)、综合(图像描述)。
    高效计算基础: python基本数据类型、容器和高效操作、Numpy和Scripy介绍。
    图像识别难点与KNN
    图像分类器:线性分类器介绍、得分函数、损失函数、/Softmax与linearSVM分类器
    第三节:梯度下降法与反向传播
    梯度下降法:损失函数可视化、最优化、梯度下降
    反向传播:梯度与偏导、链式法则、Sigmoid例子
    第四节:卷积神经网络CNN网络结构与常用框架
    卷积神经网络:层级架构、卷积与池化、数据处理、训练算法、优缺点
    实际搭建与训练:典型CNN、训练与fine-tuning
    常用框架与应用
    第五节:caffe、TensorFlow使用与CNN训练注意事项
    CNN训练注意事项:权重初始化、训练监督、Dropout正则化
    Caffe使用:训练与fine-tuning完整快捷过程、使用python接口定义网络与训练
    TensorFlow使用:定义与训练、TensorBord 与 可视化
    第六节:CNN扩展图像识别与定位、物体检测、NeuralStyle
    图像识别与定位:视作回归与借助图像窗口
    物体识别:边缘策略/选择性搜索 、R-CNN、Fast R-CNN 、Faster R-CNN
    NeuralStyle艺术化图片
    第七节:循环神经网络RNN讲解
    序列预测:状态和模型、序列样本、典型应用、序列预测与模型
    RNN训练:BPTT算法与解决方案
    LSTM:cell介绍、LSTM其他变形、LSTM训练与使用
    第八节:RNN应用案例
    BPTT算法与LSTM的补充
    双向RNN模型讲解
    字符语言模型讲解
    图像说明和视频讲解介绍
    第九节:其他深度学习网络介绍
    其他深度学习网络介绍:CPNN、孪生网络(Siamese)、Variational Auto-encoder、Policy network等
    第十节:深度学习四大框架详解
    Caffe / Torch / TensorFlow / MxNet
      
    讲师介绍:讲师王而川,哈尔滨乐川科技有限责任公司公司CEO,企业培训负责人,天津大学软件学院的一名硕士,人工智能与数据挖掘实验室,专注研究无人驾驶领域的目标识别与跟踪。本人对机器学习,深度学习都有一定的研究。某培训学院创始人,人工智能培训讲师,专业从事机器学习与深度学习培训。

     
    温馨提示
    • 请勿私下交易
      请勿在平台外交易。与机构和老师私下交易造成的任何损失及纠纷,腾讯课堂不承担任何责任
    • 听课说明

      1、电脑:访问腾讯课堂官网 ke.qq.com 查看我的课表或下载win/mac客户端听课

      2、手机/平板:下载腾讯课堂APP, 进入学习页面听课