课程价格 ：
¥599.00
剩余名额
0
-
学习时长
8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，温故知新
- 1-1：开课仪式
- 1-2：助教经验分享
- 1-3：pytorch安装参考文档
- 第1章: 深度学习简介
- 2：【课件】L1 课程基础介绍
- 第1节: 人工智能引入
- 3：【视频】AI引入
- 第2节: 人工智能常见任务
- 4：【视频】AI常见任务
- 第3节: 人工智能方法
- 5：【视频】人工智能方法
- 第4节: 人工智能企业商业模式
- 6：【视频】AI企业
- 第2章: 神经网络入门
- 7：【课件】神经网络
- 第1节: 逻辑回归
- 8：【视频】逻辑回归
- 第2节: 感知机
- 9：【视频】感知机
- 第3节: 神经网络
- 10：【视频】神经网络
- 第4节: 反向传播
- 11： 【视频】反向传播
- 第5节: 激活函数
- 12：【视频】激活函数
- 第6节: 手写字符识别实践
- 13：【实践】手写字符识别
- 第7节: 实践作业
- 14-1：【视频】作业
- 14-2：【作业】第二章
- 14-3：第二章作业思路讲解
- 第3章: 卷积神经网络
- 第1节: 卷积
- 15-1：【课件】L3 sec1&2 卷积神经网络
- 15-2：【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】L3 sec3 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
- 18-1：【课件】L3 sec4 CNN与FCN
- 18-2：【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
- 19-2：【视频】CNN手写字符识别实践
- 19-3：【作业】第三章
- 19-4：第三章作业讲解
- 第4章: 优化算法与参数调节
- 20：【课件】网络优化
- 第1节: 优化算法: SGD与Adam
- 21：【视频】优化算法
- 第2节: 参数初始化: Xavier等
- 22：【视频】参数初始化
- 第3节: 数据预处理: 白化与数据增广
- 23：【视频】数据预处理和归一化
- 第4节: 正则化
- 24：【视频】正则化
- 第5节: 作业
- 25-1：【作业】第四章
- 25-2：第四章作业思路提示
- 第5章: Pytorch框架介绍
- 26-1：【课件】Pytorch框架
- 26-2：【课外】参考资料
- 第1节: Pytorch简介与安装
- 27-1：【视频】Pytorch简介与安装
- 27-2：【视频】Windows下安装Pytorch
- 第2节: Pytorch元素介绍
- 28：【视频】Pytorch元素介绍
- 第3节: Pytorch网络搭建
- 29：【视频】Pytorch网络搭建
- 第4节: 学习率
- 30：【视频】学习率
- 第5节: 进阶
- 31：【视频】进阶
- 第6节: 实践作业
- 32-1：【作业】第五章
- 32-2：第五章作业思路提示
- 第6章: 深度学习在图像分类中的应用
- 第1节: 实践：图像分类
- 33-1：【课件】图像分类
- 33-2：【视频】实践：基于CNN的图像分类
- 34-1：【课件】ImageNet分类实践
- 34-2：【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
- 35-1：【课件】目标检测
- 35-2：启智平台使用指南
- 35-3：【论文】Faster R-CNN
- 第1节: 目标检测任务
- 36：【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
- 37：【视频】RCNN系列算法
- 第3节: 实践：Faster R-CNN物体检测
- 38-1：【附件】代码详解
- 38-2：【实践】Faster RCNN代码讲解
- 38-3：【代码】Faster-RCNN.pytorch-master
- 第4节: 实践作业
- 39-1：【作业】第七章
- 39-2：第七章作业讲解
- 第8章: 深度学习在语义分割中的应用
- 40：【课件】图像分割
- 第1节: 语义分割简介
- 41：【视频】语义分割简介
- 第2节: 从FCN到SegNet
- 42-1：【视频】FCN
- 42-2：【视频】SegNet
- 第3节: 实践：SegNet图像分割
- 43-1：【代码资料】SegNet
- 43-2：【视频】实践
- 43-3：【作业】第八章
- 43-4：第八章作业思路提示
