最新公告
  • 欢迎光临92资源站,全网最优质的it资源平台立即加入我们
  • 玩转机器学习之神经网络,系统入门算法工程师

    玩转机器学习之神经网络,系统入门算法工程师 最后编辑:2023-01-01
    资源介绍: 高清MP4 资料齐全 网盘发货 一手资源免费更新包售后

    第1章 初识深度学习
    1-1 系统入门深度学习,从这里轻松开始 (07:44)
    1-2 本章内容介绍 (01:19)
    1-3 神经网络&深度学习 (08:22)
    1-4 深度学习路线图 (06:07)
    1-5 深度学习应用 (08:27)
    1-6 本章总结 (01:24)
    1-7 【拓展知识】来自老司机深度学习得一些建议
    1-8 【任务题】找一篇深度学习论文粗读
    第2章 入门必修:单、多层感知机
    2-1 本章内容介绍 (01:28)
    2-2 深度学习实施的一般过程 (07:34)
    2-3 逻辑回归 (06:00)
    2-4 逻辑回归损失函数 (09:18)
    2-5 逻辑回归示例 (12:17)
    2-6 单层、多层感知机 (08:51)
    2-7 pytorch 构建单多层感知机 (19:53)
    2-8 基于多层DNN假钞识别 (01:43)
    2-9 数据集及特征分析 (05:49)
    2-10 项目构建和模型训练(1) (16:43)
    2-11 项目构建和模型训练(2) (14:25)
    2-12 项目构建和模型训练(3) (16:27)
    2-13 项目构建和模型训练(4) (15:58)
    2-14 模型评估和选择 (13:02)
    2-15 本章总结 (02:24)
    2-16 【拓展知识】用多层感知机回归
    2-17 【任务题】结合实际数据进行神经网络过程推理
    第3章 深度学习基础组件精讲
    3-1 本章内容介绍 (02:30)
    3-2 如何划分和处理你的数据集 (06:27)
    3-3 正确的初始化模型参数 (13:57)
    3-4 激活函数选择 (16:32)
    3-5 优化器选择 (20:00)
    3-6 Normalization 增强模型训练(上) (17:40)
    3-7 Normalization 增强模型训练(下) (15:38)
    3-8 使用正则提升模型表现 (19:13)
    3-9 本章总结 (03:40)
    3-10 【拓展知识】典型的 loss 函数
    3-11 【任务题】完善全连接网络
    第4章 图像处理利器:卷积神经网络
    4-1 本章内容介绍 (02:06)
    4-2 人类视觉和卷积神经网络关系 (07:46)
    4-3 卷积神经网络的应用 (05:23)
    4-4 卷积运算是怎样的过程(上) (15:58)
    4-5 卷积运算是怎样的过程(下) (13:56)
    4-6 用池化进行下采样 (15:54)
    4-7 几种卷积的变体(上) (15:19)
    4-8 几种卷积的变体(下) (14:49)
    4-9 利用残差搭建更深的网络 (16:30)
    4-10 Vgg介绍及实现 (24:02)
    4-11 图片的数据增广 (15:15)
    4-12 手势识别应用来源和项目分析 (06:27)
    4-13 模型设计 (08:12)
    4-14 MoocTrialNet模型搭建(1) (16:18)
    4-15 MoocTrialNet模型搭建(2) (14:04)
    4-16 MoocTrialNet模型搭建(3) (18:12)
    4-17 MoocTrialNet模型搭建(4) (17:58)
    4-18 MoocTrialNet模型搭建(5) (07:45)
    4-19 模型评估和选择 (10:09)
    4-20 本章总结 (04:22)
    4-21 【拓展知识】近年来ILSVRC上最好模型
    4-22 【任务题】独立完成一个CNN的项目
    第5章 为序列数据而生:RNN系列
    5-1 本章内容介绍 (02:43)
    5-2 什么是序列模型 (12:25)
    5-3 不同的RNN应用类型:OvM, MvM (04:26)
    5-4 循环神经网络原理 (19:18)
    5-5 用BPTT 训练RNN (05:06)
    5-6 两个重要的变体:LSTMGRU(上) (15:25)
    5-7 两个重要的变体:LSTMGRU(下) (14:08)
    5-8 利用双向、多层RNN增强模型 (16:02)
    5-9 典型应用范式:Encoder-Decoder (05:50)
    5-10 GRU实现唤醒词识别 (07:20)
    5-11 基于双层、双向GRU的命令词识别模型搭建(1) (16:12)
    5-12 基于双层、双向GRU的命令词识别模型搭建(2) (15:29)
    5-13 基于双层、双向GRU的命令词识别模型搭建(3) (16:52)
    5-14 基于双层、双向GRU的命令词识别模型搭建(4) (14:32)
    5-15 基于双层、双向GRU的命令词识别模型搭建(5) (09:26)
    5-16 模型评估和选择 (10:02)
    5-17 本章总结 (05:15)
    5-18 【拓展知识】序列到序列模型知识整理
    5-19 【任务题】LSTM模型搭建
    第6章 深度学习新思路: GAN网络
    6-1 本章内容介绍 (03:23)
    6-2 什么是生成式模型? (12:58)
    6-3 GAN的原理(上) (12:04)
    6-4 GAN的原理(下) (11:58)
    6-5 GAN的一些变体之:CycleGAN (14:26)
    6-6 GAN的一些变体之:StyleGAN(上) (10:38)
    6-7 GAN的一些变体之:StyleGAN(下) (10:20)
    6-8 GAN的一些变体之:DCGAN (03:48)
    6-9 GAN的一些变体之:text-to-image (09:12)
    6-10 用DCGAN生成人脸照片 (04:14)
    6-11 超参和dataset编写 (28:03)
    6-12 generator编写 (28:24)
    6-13 discriminator编写 (16:01)
    6-14 trainer 编写(1) (16:39)
    6-15 trainer 编写(2) (16:28)
    6-16 trainer 编写(3) (17:05)
    6-17 trainer 编写(4) (15:08)
    6-18 怎么检查GAN的训练过程? (19:35)
    6-19 本章总结 (04:31)
    6-20 【拓展知识】GAN在NLP、Speech中的一些应用
    6-21 【任务题】复现Gan项目
    第7章 赋予模型认知能力:注意力机制
    7-1 本章内容介绍 (02:28)
    7-2 什么是注意力机制? (07:40)
    7-3 注意力机制的一般性原理 (09:31)
    7-4 几种典型的注意力机制 hard、soft、local attention (10:12)
    7-5 自注意力机制:self-attention (14:03)
    7-6 Transformer (14:03)
    7-7 用Transformer实现G2P(上) (17:42)
    7-8 用Transformer实现G2P(下) (16:21)
    7-9 g2p dataset 编写 (27:31)
    7-10 model结构和位置编码 (20:48)
    7-11 encoder (19:18)
    7-12 Multi-head attention(上) (18:23)
    7-13 Multi-head attention(下) (21:45)
    7-14 Pointwise FeedForward (06:49)
    7-15 decoder (21:52)
    7-16 transformer(上) (19:59)
    7-17 transformer(下) (06:07)
    7-18 trainer脚本编写 (12:29)
    7-19 infer推理函数编写 (13:49)
    7-20 inference和attention map展示(上) (14:15)
    7-21 inference和attention map展示(下) (12:10)
    7-22 本章总结 (03:52)
    7-23 【拓展知识】 几种典型的注意力机制和原理
    7-24 【任务题】Transformer实现
    第8章 数据不够怎么办?迁移学习来帮忙
    8-1 本章内容介绍 (02:01)
    8-2 什么是迁移学习 (07:26)
    8-3 迁移学习分类 (11:46)
    8-4 怎么实施迁移学习? (09:18)
    8-5 基于ResNet迁移学习的姿势识别 (09:09)
    8-6 工程代码(上) (13:16)
    8-7 工程代码(下) (11:31)
    8-8 inference (09:20)
    8-9 本章总结 (03:45)
    8-10 【拓展知识】迁移学习前沿进展
    第9章 深度学习新范式:半监督学习
    9-1 本章内容介绍 (02:19)
    9-2 半监督学习是什么? (06:01)
    9-3 半监督学习能解决什么问题? (05:30)
    9-4 几种典型的半监督学习方法(上) (13:34)
    9-5 几种典型的半监督学习方法(下) (11:44)
    9-6 在Cifar10上实现MixMatch半监督学习-论文拆解 (08:10)
    9-7 超参和dataset (09:32)
    9-8 utils编写(1) (17:59)
    9-9 utils编写(2) (17:22)
    9-10 utils编写(3) (13:33)
    9-11 utils编写(4) (09:23)
    9-12 model编写 (06:49)
    9-13 loss 编写 (08:48)
    9-14 trainer 编写(1) (15:45)
    9-15 trainer 编写(2) (14:43)
    9-16 trainer 编写(3) (17:23)
    9-17 trainer 编写(4) (20:22)
    9-18 本章总结 (02:59)
    9-19 【拓展知识】SOTA半监督学习(ImageNet)

    课程截图:

    猜你在找

    免责声明:
    1. 本站所有资源收集于互联网,如有争议与本站无关!
    2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
    3. 如果侵犯到您的权利请邮箱联系: lmcf129@163.com,站长将于24小时内删除侵权内容!
    4. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
    5. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
    6. 如有链接无法下载、失效或广告,请联系管理员处理!
    7. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!

    九二资源站-10年只为资源共享-每日更新 » 玩转机器学习之神经网络,系统入门算法工程师

    常见问题FAQ

    视频加密吗?
    无密,本站视频全部为超清无密MP4格式
    怎么发货?
    百度网盘全自动发货
    课程没更新完怎么办?
    本站资源,持续更新,所有资源都会更新完毕
    有问题怎么解决?
    联系站长,或者直接给站长发邮件:lmcf129@163.com
    • 3615会员总数(位)
    • 20517资源总数(个)
    • 16本周发布(个)
    • 5 今日发布(个)
    • 2537稳定运行(天)

    最优质的的it资源平台

    期待您的加入
    升级SVIP尊享更多特权立即升级