Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

XuetangX

深度学习

via XuetangX

Overview

Coursera Flash Sale
40% Off Coursera Plus for 3 Months!
Grab it





深度学习是一门前沿的计算机科学课程,专注于研究和应用人工神经网络的高级算法。随着大数据和计算能力的迅猛发展,深度学习在图像识别、自然语言处理、自动驾驶等领域取得了突破性进展。课程内容涵盖神经网络的基本结构、卷积神经网络、循环神经网络以及深度强化学习等核心技术。通过理论讲解与实践操作,学生将学习如何设计、训练和优化深度学习模型。掌握这门课程的知识,不仅能提升学生在人工智能领域的竞争力,还能为他们在科技创新和应用开发中提供强有力的支持。



Syllabus

  • 第一章 人工智能导论
    • 1.1 人工智能概论
    • 1.2 理解人工智能、机器学习、深度学习
    • 1.3 了解深度学习的发展与应用情况
  • 第二章 Keras 与环境配置
    • 2.1 配置深度学习开发环境
    • 2.2 快速入门 Keras
  • 第三章 机器学习基础
    • 3.1 机器学习基础
    • 3.2 理解回归与分类(上、下)
    • 3.3 损失函数
    • 3.4 梯度下降算法
    • 3.5 机器学习通用工作流程
  • 第四章 神经网络基础
    • 4.1 神经网络的基础
    • 4.2 基础的神经网络结构(上)
    • 4.3 基础的神经网络结构(下)
    • 4.4 激活函数
  • 第五章 反向传播原理
    • 5.1 计算神经网络的输出
    • 5.2 掌握反向传播算法
    • 5.3 使用 Python 实现反向传播算法
  • 第六章 深度神经网络手写体识别
    • 6.1 基于 Keras 框架构建神经网络的模型 1
    • 6.2 手写体识别数据集 MNIST 的使用
    • 6.3 手写体识别的实现
  • 第七章 神经网络优化
    • 7.1 模型评估
    • 7.2 范数正则化避免过拟合
    • 7.3 丢弃法避免过拟合
    • 7.4 掌握改进的优化算法
  • 第八章 卷积神经网络
    • 8.1 初识卷积神经网络
    • 8.2 卷积运算
    • 8.3 LeNet 实现图像分类
  • 第九章 卷积神经网络基本结构
    • 9.1 训练深度卷积神经网络
    • 9.2 进一步增加卷积神经网络的深度
    • 9.3 认识并行结构的卷积神经网络
    • 9.4 把网络深度提升至上百层
  • 第十章 循环神经网络
    • 10.1 对时序数据建模
    • 10.2 增加循环神经网络的记忆
    • 10.3 优化长期记忆网络
  • 期末测试

    Taught by

    Hainan Vocational University of Science and Technology

    Reviews

    Start your review of 深度学习

    Never Stop Learning.

    Get personalized course recommendations, track subjects and courses with reminders, and more.

    Someone learning on their laptop while sitting on the floor.