人工智能深度学习入门课程


%title插图%num

课程内容主要包括:

1.神经网络必备基础;

2.神经网络整体架构分析;

3.动手实现神经网络模型。

旨在用最形象的讲解带领大家一步步攻克复杂的神经网络模型。整体风格通俗易懂,用接地气的方式带领大家入门深度学习。用通俗易懂的讲解,一步步的带大家入门深度学习这个当今世界非常火爆的深度学习领域。

%title插图%num

1-1 深度学习要解决的问题

1-2 深度学习应用领域

1-3 计算机视觉任务

1-4 视觉任务中遇到的问题

1-5 得分函数

1-6 损失函数的作用

1-7 前向传播整体流程

2-1 梯度下降通俗解释(以线性回归算法为例,神经网络也是如此)

2-2 参数更新方法

2-3 优化参数设置

2-4 返向传播计算方法

2-5 神经网络整体架构

2-6 神经网络架构细节

2-7 神经元个数对结果的影响

2-8 正则化与激活函数

2-9 神经网络过拟合解决方法

3-1 神经网络整体框架概述

3-2 参数初始化操作

3-3 矩阵向量转换

3-4 向量反变换

3-5 完成前向传播模块

3-6 损失函数定义

3-7 准备反向传播迭代

3-8 差异项计算

3-9 逐层计算

3-10 完成全部迭代更新模块

3-11 手写字体识别数据集

3-12 算法代码错误修正

3-13 模型优化结果展示

3-14 测试效果可视化展示

版权均归原作者所有,请勿使用于商业用途,若侵犯到您的版权,请联系客服删除处理
纸团打包站 » 人工智能深度学习入门课程