观看试看视频
Google资深算法工程师
神经网络入门
神经元
激活函数Sigmoid
logistic回归模型
目标函数、梯度下降
正向传播、反向传播
随机梯度下降
学习率的影响
卷积神经网络(CNN)
卷积、池化、全连接
全卷积神经网络
AlexNet、VGG、Res-Net
Inception-Net、MobileNet
CNN调参技巧
训练过程可视化
Batch Normalization
自动网络结构搜索(NAS-Net)
fine-tuning / 图像增强
循环神经网络(RNN)
循环网络的反向传播
双向网络
多层网络
残差网络
长短期记忆网络(LSTM)
Attention机制
对抗神经网络(GAN)
对抗思想
对抗神经网络构建
反卷积
U-Net
对抗损失
图像分类:
图像预处理方法、卷积、池化、全连接、Res-Net
Tensorboard观测训练过程
图像风格转换:
内容特征重建图像、风格特征重建图像、VGG模型
文本分类:
文本embedding、词袋模型、循环神经网络搭建
图像文本生成:
CNN特征提取,LSTM模型构建,词袋模型
图像翻译:
U-Net,反卷积,GAN训练过程
入门深度学习
知识体系全面,由浅入深的的讲解
深度学习算法,并且配合着丰富的
案例,带着你编写每一行代码,是
你入门深度学习的不二之选
讲解最新技术
深入讲解CNN和RNN基础和高阶
知识点,讲解了Attention机制、
对抗神经网络、自动网络结构搜索
等最新前沿技术
项目经验
贴合实际,使用TensorFlow进行
项目开发,每个项目的讲解层次清
晰,学习完后可以拥有多个项目实
战经验以及调参经验
关于课程的问题都可在问答区随时提问,讲
师会进行集中答疑
课程案例代码完全开放给你,你可以根据
所学知识,自行修改、优化
如果你已经掌握了一门编程语言,想转型人工智能工程师
或者是想系统学习深度学习的在校大学生
或者是缺少实战经验的初学者,那么本门课程非常适合你
Python基础
基本的概率和线代数学基础
TensorFlow基础
机器学习基础
如无法下载使用图片另存为
下载海报