深度学习原理详解及Python代码实现

课程目标: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

24小时内答疑 课时永久观看 15分钟内无条件退款
1. 仅限付费视频课程适用
2. 购买后15分钟内可以找到客服进行沟通退款
3. 退款将返还至51CTO学院账户,不支持提现
4. 下载资料后不再享有退款特权
5. 客服(Tel:400-101-1651)
6. 最终解释权归51CTO所有
共62课时,共11小时24分钟
现价¥88.00 原价¥176.00
购买
  1. 课程介绍
  2. 课程大纲
课程目标

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

适用人群

对深度学习感兴趣的同学们和从业者

课程简介

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。


广告PPT1.jpg

广告PPT2.jpg


第一章课程介绍
1节11分钟
1-1课程介绍 [免费试看]
11:07
第二章深度学习的发展与应用
2节30分钟
2-1深度学习的发展简史与特点 [免费试看]
19:29
2-2深度学习的典型应用
11:18
第三章神经网络基本知识
9节1小时52分钟
3-1神经元
05:35
3-2感知机
34:49
3-3多层感知机
13:45
3-4Python代码实现:逻辑门运算
04:16
3-5Python代码实现:激活函数
08:01
3-6Python代码实现:感知机
06:26
3-7Softmax函数与多分类
20:33
3-8多层感知机应用:MNIST手写数字数据集
01:13
3-9多层感知机应用:MNIST数据集实践
17:42
第四章神经网络的学习
12节3小时11分钟
4-1训练流程、优化目标、损失函数
30:43
4-2梯度下降算法
11:50
4-3反向传播算法简要介绍
11:12
4-4基于计算图理解反向传播
18:55
4-5反向传播算法的数学推导
22:47
4-6批量梯度下降策略
10:24
4-7梯度下降改进优化算法
29:02
4-8Python代码实现:梯度计算
19:43
讲师介绍
白勇
讲师评分4.8分
双一流高校教授,博士生导师,美国博士学位,十年以上工作经历。先后就职美国和国内信息技术公司与高校。具有国家级科研项目经验;创业公司专家顾问。译著:计算机视觉深度学习;发表学术论文100多篇;授权专利国内外10多项。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载