首页 实战 系统入门深度学习,直击算法工程师
收藏

系统入门深度学习,直击算法工程师

结合多领域实用案例,紧跟技术变革,系统掌握高薪技术

系统入门深度学习,直击算法工程师

难度 入门 时长 23小时 学习人数 84 综合评分 10.00

系统入门深度学习,直击算法工程师

从机器学习入门深度学习
套餐价格:¥808.00
2门课 总价:¥896.00
立即购买
算法到应用,系统进阶深度学习
套餐价格:¥1,276.00
3门课 总价:¥1,446.00
立即购买

想要成为一名优秀的深度学习工程师并不容易,一看就会,一用就废,已然成为很多人进军AI 领域的心魔,自以为理解了框架、算法,但遇到实际问题却仍不知道该怎么解决。本门课程将结合核心基础、算法模型设计和实用案例,由浅至深、由理论到实操,带你紧跟行业热点,系统入门深度学习,掌握解决实际问题的能力,轻松畅游AI时代!

Markov_Xi
讲师

算法工程师

课程预览

检测到您还没有关注慕课网服务号,无法接收课程更新通知。请扫描二维码即可绑定
重新观看
课程目标

全面对标就业需求,构建实用知识体系,进击大厂算法工程师

只学有用的,既可以轻松入门,也能帮你查漏补缺,跟上技术迭代的步伐

学习更系统
深入基础 剖析核心原理
图解方式讲解应用、组件、优化等
必备技能,揭秘CNN、RNN等算法
背后的原理,系统掌握核心枝术。
技术更前沿
聚焦热点 探索前沿技术
囊括GAN,注意力机制,半监督学
习、迁移学习等时新技术,先人一
步,将技术领先转化为职场优势!
就业更管用
落地应用 稳抓实战能力
以解决问题为导向,案例可直接复
用,无缝对接工作场景,做掌握真
技术的算法工程师。
课程亮点

不用东奔西跑,一课搞定深度学习核心技能+前沿热点

精挑细选

神经网络基础

多层感知机

基础组件和优化

卷积神经网络

序列模型

逻辑回归到多层感知机的过渡:实施过程、逻辑回归、神经网络过渡

感知机原理及应用:单层/多层感知机、pytorch 、多层DNN假钞识别

神经网络基础重要组件:激活函数、优化器、梯度下降、正则概念、实施

神经网络的优化相关方法:初始化模型、Normalization 增强模型训练、正则方法

CNN原理、变体、使用、应用:下采样、残差、Vgg、图片的数据增广、手势识别应用、MoocTrialNet模型

RNN流程、变体、内在机理、实施:应用类型、OvM、MvM、循环神经、BPTT 、LSTM/GRU、双向多层

RNN的深层理解和应用:Encoder-Decoder、GRU实现唤醒词识别、命令词识别

求职必会

热点前沿技术

生成式对抗网络

注意力机制

迁移学习

半监督学习

生成式对抗网络的理解:网络结构、设计思想、实施流程

GAN网络相关变体:CycleGAN、StyleGAN、 text2image、DCGAN

DCGAN生成人脸

注意力机制理论和一般原理:动机、理论、示例、一般性原理、hard/soft/local attention

自注意力机制和Transformer:self-attention、Transformer、G2P

迁移学习的理论和实施方法:一般过程、解决问题、实施过程

半监督学习的典型方法精讲:基于生成式模型、一致性正则,伪标签

一种半监督学习方法的展开:模型构建、半监督训练流程及trainer脚本

案例极具行业代表性,紧跟行业热点,拿到Offer可直接上手

手把手带你自研卷积模型:MoocTrailNet
CNN, DSCNN, 模型搭建方法
基于MoocTrailNet实现的手势识别
数据处理及训练方法
基于GRU的语音命令词识别
RNN, GRU, 时序数据处理
生成式对抗网络DCGAN实现人脸生成
CNN, TransposeCNN, DCGAN
基于Transformer的G2P模型的对齐效果和发音预测
Self-Attention, Transformer, Transformer训练
SOTA半监督学习模型复现
SSL, CNN
你将收获
技术上:对于深度学习不仅能知其然,还
能知其所以然。
思维上:具备深度学习解决问题的思路,
针对多种问题快速给出最优方案。
求职中:丰富的实战经验构筑你求职的底
气,让你面试对答如流,技惊四座!
课程大纲
第1章 初识深度学习
本章中将向大家介绍,深度学习的应用范畴、人才需求、基础概念和子学科分类,并会结合应用现状,与大家讨论技术发展前景,带领同学们初识深度学习。
第2章 入门必修:单、多层感知机
本章将以机器学习中的逻辑回归算法作为引子,展开与其相关的神经网络基础学习。帮助大家认识神经网络的一般结构和实施方法;实践神经网络搭建和训练的过程,并能用神经网络搭建二分类器。
第3章 深度学习基础组件精讲
本章将带领大家,学习深度学习中一些重要的组件、优化原理及方法,他们既是神经网络优化的重要准备知识和基础支撑理论,更是所有深度学习训练和优化的基础。
第4章 图像处理利器:卷积神经网络
本章将重点学习卷积神经网络,帮助大家理解卷积的意义和各种卷积的变体,学会如何设计、搭建卷积神经网络,并应用解决实际的问题。
第5章 为序列数据而生:RNN系列
本章将带领大家认识序列模型,主要围绕RNN和其变体进行相关讲解。帮助大家理解序列模型和序列数据,并能应用用序列模型处理序列数据的实际问题。
查看完整目录
专属服务

每个慕课网课程,都是一个专业的技术社区

个性化增值服务,学习有保障更高效

答疑专区+技术社区
连百度谷歌都搜不到的问题,在这里讲
师都将耐心详细解答,更有小伙伴一起
交流互动,共同进步。
课程全套代码下载
提供课程全套源代码下载,包含:
全套组件封装镜像、私有仓库、各个服
务的镜像、项目源代码。
独家“动态”教辅材料
丰富的专属教辅资料上传更新,通过课程
教案、原理图解、技术文档、演示案例等
各种教材,保障你的学习效果。
实用电子文档
部分简单内容以图文形式呈现,与视频
相配合,既保障学习效果,又提高了学
习效率。
适合人群
如果你关注前沿技术,对深度学习感兴趣,同时希望探究原理,探索最优解,这门课一定让你有所收获!
技术储备
了解机器学习基本概念
熟悉 Python3 语法以及 Pytorch 的基础操作
环境参数
Pytorch 1.8.1
Python 3.8
提问
数据加载中...
意见反馈 帮助中心 APP下载
官方微信

学习咨询

选课、学习遇到问题?

扫码添加指导老师 1V1 帮助你!

添加后老师会第一时间解决你的问题