-
学习时长
八周/建议每周至少六小时
-
答疑服务
专属微信答疑群/讲师助教均参与
-
作业批改
每章节设计作业/助教及时批改评优
-
课程有效期
一年/告别拖延，温顾知新
- 第1章: 深度学习简介
- 1： 【课件】L1 课程基础介绍
- 第1节: 课程前言
- 免费 2： 【视频】AI引入
- 第2节: 人工智能常见任务
- 免费 3： 【视频】AI常见任务
- 第3节: 人工智能方法
- 免费 4： 【视频】人工智能方法
- 第4节: 人工智能商业模式
- 5： 【视频】AI企业
- 第2章: 神经网络入门
- 6： 【课件】神经网络
- 第1节: 逻辑回归
- 7： 【视频】逻辑回归
- 第2节: 感知机
- 8： 【视频】感知机
- 第3节: 神经网络
- 9： 【视频】神经网络
- 第4节: 反向传播
- 10： 【视频】反向传播
- 第5节: 激活函数
- 11： 【视频】激活函数
- 第6节: 实践：手写数字识别
- 12： 【实践】手写字符识别
- 第7节: 实践作业
- 13-1： 【视频】作业
- 13-2： 【作业】第二章
- 第3章: 卷积神经网络
- 14： 【课件】L3 sec1&2 卷积神经网络
- 第1节: 卷积
- 15： 【视频】卷积计算
- 第2节: 卷积神经网络前向传播
- 16-1： 【视频】CNN网络结构与前向传播
- 16-2： 【资料】A guide to convolution arithmetic
- 16-3： 【资料】Visualizing Convolutional Networks
- 第3节: 卷积神经网络误差反向传播
- 17-1： 【课件】CNN反向传播
- 17-2： 【视频】参数与代价函数
- 17-3： 【视频】反向传播
- 第4节: 卷积神经网络与全连接神经网络
- 18： 【视频】CNN的参数共享与梯度消失
- 第5节: 实践：基于CNN的手写数字识别
- 19-1： 【代码】实践作业.zip
- 19-2： 【视频】CNN手写字符识别实践
- 20： 【作业】第三章
- 第4章: 优化算法与参数调节
- 21： 【课件】 网络优化
- 第1节: 优化算法: SGD与Adam
- 22： 【视频】优化算法
- 第2节: 参数初始化: Xavier等
- 23： 【视频】参数初始化
- 第3节: 数据预处理: 白化与数据增广
- 24： 【视频】数据预处理和归一化
- 第4节: 正则化
- 25： 【视频】正则化
- 第5节: 实践作业
- 26： 【作业】第四章
- 第5章: Pytorch框架介绍
- 第1节: Pytorch简介与安装
- 27-1： 【课件】Pytorch框架
- 27-2： 参考资料.zip
- 28-1： 【视频】Pytorch简介与安装
- 28-2： 【视频】Windows下安装Pytorch
- 第2节: Pytorch元素介绍
- 29： 【视频】Pytorch元素介绍
- 第3节: Pytorch网络搭建
- 30： 【视频】Pytorch网络搭建
- 第4节: 学习率
- 31： 【视频】学习率
- 第5节: 进阶
- 32： 【视频】进阶
- 第6节: 实践作业
- 33： 【作业】第五章
- 第6章: 深度学习在图像分类中的应用
- 第1节: 图像分类
- 34-1： 【课件】 图像分类
- 34-2： 【实践】基于CNN的图像分类
- 35-1： 【课件】ImageNet分类实践
- 35-2： 【视频】实践：ImageNet图像分类
- 第7章: 深度学习在物体检测中的应用
- 36-1： 【课件】L7 目标检测
- 36-2： 【论文】Faster R-CNN
- 第1节: 目标检测任务
- 37： 【视频】目标检测任务介绍
- 第2节: R-CNN系列算法：R-CNN, Fast R-CNN, Faster R-CNN
- 38： 【视频】RCNN系列算法
- 第3节: 实践：Faster R-CNN物体检测
- 39-1： 【实践】Faster RCNN代码讲解
- 39-2： 【代码】Faster-RCNN.pytorch-master
- 第4节: 实践作业
- 40： 【作业】第七章
- 第8章: 深度学习在语义分割中的应用
- 41： 【课件】第八课_图像分割
- 第1节: 语义分割简介
- 42： 【视频】语义分割简介
- 第2节: 从FCN到SegNet
- 43： 【视频】FCN
- 44： 【视频】SegNet
- 第3节: 实践：SegNet图像分割
- 45-1： 【代码】代码资料
- 45-2： 【视频】实践
- 46： 【作业】第八章
官方微信公众号
