课程目录:
15套详细目录:
深度学习原理+顶目实战+算法详解+主流框架专题教程
第一套：python 数据分析和机器学习实战
第二套：深度学习入门视频课程（上篇）
第1章深度学习必备基础知识点
{
1-1深度学习与人工智能简介11：27
1-2计算机视觉面临挑战与常规套路09：40
1-3用K近邻来进行图像分类10：01
1-4超参数与交叉验证10：31
1-5线性分类09：34
1-6损失函数09：18
1-7正则化惩罚项07：19
1-8softmax分类器13：38
1-9最优化形象解读06：47
1-10梯度下降算法原11：48
1-11反向传播15：17
}
第2章神经网络模型36分钟3节
{
2-1神经网络整体架构10：11
2-2神经网络模型实例演示10：38
2-3过拟合问题解决方案15：53
}
第3章神经网络案例实战1小时44分钟7节
{
3-1python环境搭建（推荐Anaconda方法）13：10
3-2Eclipse搭建pythonh境05：23
3-3动手完成简单神经网络（代码）31：51
3-4感受神经网络的强大11：30
3.5神经网络案例．cifar分类任务16：01
3-6神经网络案例．分模块结构神经网络13：33
3-7神经网络案例．训练神经网络完成分类任务
}
第三套：深度学习入门视频课程〔下篇）
{
1-1感受卷积神经网络的强大14：55
1-2卷积层详解12：53
1-3卷积计算流程12：30
1-4卷积核心参数分析13：13
1-5卷积参数共享原则08：09
1-6池化层(Pooling)原理08：24
1-7卷积神经网络反向传播原理14：44
1-8实现卷积层的前向传播与反向传播10：19
1-9实现pooling层的前向传播与反向传播12：00
1-10经典卷及网络架构实例20：35
1-11RNN网络结枘08：39
1-12python实现RNN算法33：46
1-13LSTM网络结构简介12：36
1-14分类与回归(Location)任务应用详解33：30
1-15物休检实例33：16
1-16如何巧妙设计网络结枘21：52
1-17训练技巧之数据增强12．20
1-18训练技巧之Transfer Learning11：09
1-19深度学习框架caffe简介20：43
2-0深度学习框架caffe训练过程20：39
2-1深度学习框架caffe接囗使用实例
}
第四套:深度学习框架Tensorflow案实战视频课程
第一章:Tensorflow基础 8节 1小时17分钟
{
1-1实战视频课程01课程简介
1-2实战频课程02Tensorflow安装
1-3实战視频课程03基本计算单元．变量
1-4实战频课程04常用基本操作
1-5实战視频课程05构线性回归模型
1-6战枧频课程06nist数据集介
1-7实战視频课程07逻辑回归框架
1-8实战视频课程08代完成辑回归模型
}
第二章:Tensorflow神经网络1小时57分钟10节
{
2-1实战枧频课程09神经网络模型架构
2-2实战视频课程10训练神经网络
2-3实战视频课程11卷积神经网络模型架构
2-4实战視频课程12卷积神经网络模型
2-5实战视频课程13模型的保存和读玳
2-6实战视频课程14加载讲练好的VGG网络模型
2-7案例实战视频课程15使用VGG模型进行测试
2-8实战视频课程16使用RNN处理Mnist据集
2-9实战视频课程17RNN网络模型
2-10实战视频课程18训练RNN网络
}
第三章Tensorflow項目实战一验码识别47分钟4节
{
3-1实战视频课程19验码据生咸
3-2实战视频程20构造网络的输入数据标签
3-3实战视频课程21卷络模型定义
3-4实战视频课程22送代及测试网络效果
}
第五套：大数据一探深度学习框架Caffe使用案列视频课程
{
1-1深度学习框架caffe简介11：15
1-2网络配置．数据层详解18：14
1-3网络配置．各计算层详解25：35
1-4solver超参数配置文件19：54
1-5制作LMDB数据训练分类网络31：59
1-6多label之HDF5数据源21：33
1-7使用命令行训练网络12：57
1-8使用python定义自己的层 12：30
1-9绘制网络结图26：23
1-10生成网络配置文件10：20
2-1对训练的网络模型绘制LOSS曲线11：59
2-2对训练结果讲行分类任务23：12
}
第六套：大数据．深度学习項目实战視频课程．人脸检测
{
1-1人脸检测项目概述01：55
1-2数据收集11：20
1-3正负样本剪切策略13：40
1-4Caffe数据源准备13：42
1-5LMDB脚本文件07：45
1-6制作LDB数据源09：24
1-7网络模型配置文件11：49
1-8选择合适的参数并训练网络模型15：39
1-9检测算法框架原理13：18
1-10实现多尺度人脸检测算法16：35
2-1坐标映射变换14：08
2-2完成测试代码07：36
2-3检测效果及改进10：41
2-4优化策略分析05：18
2-5模型准确率影响因素分折08：08
2-6项目总结
}
第七套：大数据-深度学习项目实战-关键点定位视频课程
{
1-1人脸关键点检测算法框架10：47
1-2多标签数据源制作以及标签坐标转22：14
1-3对原始数据进行增强10：41
1-4完成第一阶段HDF5数据源制作
1-5第一阶段网络训练09：14
1-6第二三阶段网络据源制作23：40
1-7第二三阶段网络模型训练10：52
1-8网络模型参数初始化11：47
1-9完成全部测试结果16：22
1-10人脸关键点检测效果08：04
2-1項目总结分析16：59
2-2算法框架分析
}
第八套：自然语言处理 word2Vec 视频教程
第1章word2Vec原理1小时35分钟11节
{
1-1课程简介04：36
1-2自然语言处与深度学习11：58
1-3语言模型05：16
1-4N-gram模型08：32
1-5词向量09：27
1-6神经网络模型10：02
1-7HierarchicalSoftmax10：01
1-8CBOW模型实例11：20
1-9CBOW求解目标05：39
1-10梯度上升求解10：10
1-11负采样模型07：15
}
第2章Gensim结构词向量模型33分钟4节
{
2-1使用Gensim库诘词向量06：21
2-2维基百科中文数据处理10：27
2-3Gensim构word2vec模型08：52
2-4测试模型相似度结果07：42
}
第3章Tensorflow实战word2Vecl小时5分钟7节
{
3-1环境配置06：00
3-2中文数据预处理11：06
3-3word2vec模型构造10：36
3-4构造图计算模型07：54
3-5word2vec训练10：47
3-6模型训练模块10：18
3-7迭代预测效果08：39
}
第九套：决胜AI．强化学习实战系列频课程
第1章强化学习基本原理1小时42分钟10节
{
1-1强化学习简介09：33
1-2强化学习基本概念09：54
1-3马尔科夫决策过程09：06
1-4Bellman方程12：22
1-5值迭代求解08：12
1-6代码实战求解过程11：14
1-7QLearning基本原理10：00
1-8QLearning迭代计算实例11：07
1-9QLearning迭代效果08：59
1-10求解流程详解11：42
}
第2章强化学习项目实战．DQN让AI自己玩戏1小时38分钟11节
{
2-1DeepQnetwork原理06：38
2-2DQN网络细节11：00
2-3DQN网络数据配置08：23
2-4搭建DQN网络模型11：31
2-5DQN卷积操作定义10：07
2-6数据预处理11：41
2-7实验阶段数据存储08：18
2-8实现训练模块10：50
2-9Debug解读训练代码05：05
2-10完整代码流程分折11：33
2-11DQN效果演示
}
第十套：Tensorflow实战視频课程．文本分类
{
1-1任务与环境简介03：10
1-2Tensorflow安装03：31
1-3数据与任务简介04：14
1-4如何使用卷积神经网络进行文本分类13：08
1-5配置顶目所涉及参数15：02
1-6数据读取11：01
1-7数据切分11：26
1-8构造session计算域09：07
1-9卷积网络模块定义12：56
1-10多卷积核特征取13：21
2-1完成整体网络架构12：57
2-2创建batch迭代模块11：31
2-3完成训练模块代码11：34
2-4训练效果04：40
2-5中文文本分类解决思路
}
第十一套 深度学习实战視频课裎 StyleTransfer
{
1-1课程简介04：53
1-2Tensorflow安装03：31
1-3style-transfer基本原理07．35
1-4风格生成网络结构原理07：06
1-5风格生成网络细节11：52
1-6风格转效果展示05：37
1-7风格转换参数配置12：45
1-8数据读取操作09：57
1-9VGG休征取网络结构1316
1-10内容与风格特征提取09：20
2-1生成网络结构定义05：33
2-2生成网络计算操作11：12
2-3参数初始化08：50
2-4Content损失计算05：52
2-5Style损失计算08：41
2-6完成训练模块11：03
2-7模型保存与打印结果08：24
2-8完成测试代码
}
第十二套．深度学习顶级论文算法详解视频课程
{
1-1课程简介06：08
1-2检测通用框架Faster16：26
1-3Faster-Rcnn之RPN层详解23：47
1-4Faster-Rcnn整体框架流程19：41
1-5Faster-Rcnn框架实验结果评估21：43
1-6关键点定位论文算法整框架20：3
1-7关键点定位论文细节实现解读11：29
1-8关键点定位论网络结构详解09：13
1-9深度残差网络架分析12：58
1-10探度残差网络实现细节13：56
2-1prisma图像风格变换原理10：34
2-2styIe-Transfer实现细节11．00
2-3级联网络结构原理分析11：01
2-4级联网络实现细节13：17
2-5DeepFashion在服装推荐，属性识别的贡献
2-6DeepFashion网络结构详解
2-7DeepLearning（期刊论文）：5篇顶级论文
}
第13套：利用RNN与LSTM网络原理进行唐诗生成视频课程
第1章递归神经网络原理(RNN)34分钟4节
{
1-1课程简介01：21
1-2递归神经网络（RNN）08：39
1-3RNN网络细节11：54
1-4LSTM网络架构12：36
}
第2章RNN手写字休识别32分钟3节
{
2-1处理Mnist数据集11：50
2-2RNN网络模型10：42
2-3训练RNN网络10：05
}
第3章TensorFlow打唐诗生成网络1小时18分钟8节
{
3-1任务概述与环境配置04：18
3-2参数配置11：17
3-3数据预处理模块14：11
3-4Batch数据制作12：39
3-5RNN模型定义08：53
3-6完成训练模块12：46
3-7训练唐诗生成模型04：35
3-8测试唐诗生成效果09：32
}
第十四套:机器学习对抗生成网络
第1章深度学习項目实战对抗生成网络(GAN)1小时飞4分钟
{
1-1课程简介05：21
1-2对抗生成网络形象解释07：17
1-3对抗生成网络工作原理09：49
1-4案例实战对抗生成网络；环境配置08：38
1-5案实战对抗生成网络：构造判别网络模型116
1-6某例实战对抗生成网络：构生成网络模型08：08
1-7案例实战对抗生成网络；构造报失函数06：35
1-8案例实战对抗生成网络：训练对抗生成网络10：02
}
第2章基于卷积的对抗生成网络〔DCGAN〕1小时5分钟7节
{
2-1DCGAN基本原理10：12
2-2DCGAN的网络模型架06：09
2-3DCGAN顶目实战：DIY你要生成的数据
2-4DCGAN项目实战：配置参数12：54
2-5DCGAN项目实战；基于卷积的生成网络架构11：51
2-6DCGAN顶目实战：基于卷积的判别网络10：00
2-7DCGAN项目实战：训练DCGAN网络
}
第15套:深度学习项目实战视频课程一Seq2Seq序列生模型
第1章Seq2Seq网络架构原理40分钟5节
{
1-1课程简介02．11
1-2机器翻译技术发展09：13
1-3Seq2Sq网络基本架构07：16
1-4Seq2Seq网络应用09：10
1-5Attention机制13：02
}
第2章案例实战，序列排序生成46分钟5节
{
2-1环境配置06：00
2-2数据预处理11：26
2-3编码层与词向量10：21
2-4完成解码模块10：05
2-5模型迭代08：26
}
第3章文本摘要生成39分钟4节
{
3-1数据预处理10：55
3-2使用构建好的词向量模型09：02
3-3完成解码操作08：44
3-4任务总结
}
网友评论