深度学习与神经网络从原理到实践(基于TensorFlow2.X)

初阶

多面学习卷积神经网络各种模型原理,并完成图像识别;多面学习RNN循环神经网络,实现序列化数据预测。

4.9分 课程好评榜    第2 更新: 2020/12/08

收藏( 22 下载课程 二维码 下载学院APP 缓存视频离线看 学习社群 二维码 关注公众号 加入官方群

2630 学习人数 12小时17分钟 75课时
课程权益 15分钟内无条件退款 1、仅限付费视频课程适用
2、购买后15分钟内可以找到客服进行沟通退款
3、下载资料后不再享有退款特权
4、客服(Tel:400-101-1651)

24小时内答疑 随时随地观看课程 专属资料下载

jack

讲师评分:5.0 5门 课程 2.6万 次学习

计算机硕士学位,人工智能畅销书作者,精通机器学习与深度学习,十余年企业大型软件研发与技术培训经验。

主页
  • 课程介绍
  • 课程大纲
  • 学员评价
  • 其他课程 4
  • 学习路径

学完本课程,您将掌握:

  • 全面理解深度学习和神经网络原理
  • 全面掌握使用卷积神经网络实现图像识别
  • 全面掌握使用RNN循环神经网络实现序列化数据预测
  • 全面掌握深度学习项目执行全流程
  • 掌握TensorFlow2.X的编程语法完成深度学习设计

适合人群:

具有一定Python编程基础,想全面理解深度学习理论的同学。 想通过实践快速掌握使用TensorFlow2.X实现深度学习功能实现。

学习计划:

建议每周至少学习3小时,争取1个月学完课程。 建议边看视频讲解,边跟着讲师编写代码,实现快速掌握各种应用能力。

课程目标:

多面学习卷积神经网络各种模型原理,并完成图像识别;多面学习RNN循环神经网络,实现序列化数据预测。

课程简介:

深度学习和神经网络隶属于机器学习范畴,但是由于它在行业应用广泛、研究成果显著,成为当下最热门的研究领域,因此深度学习就作为一门独立的学科被提出来了。

本课程使用的开发工具为TensorFlow2.X,如果你刚接触TensorFlow2,“墙裂”建议你从TensorFlow2学起,因为Google团队对其做了重大调整,它极大降低了研发者学习的门槛,更加简单,易用,研发者更多的应该关注深度学习算法本身。

深度学习说明1.jpg

u=434578304,661967770&fm=26&gp=0.jpg


timg.gif

1591838438383924_副本.jpg


常见问题:

问:学习本课程需要哪些前置知识?

答:基本的Python编程知识,对机器学习的线性回归和逻辑回归有简单的认识即可。 课程中会专门开辟一章用于讲解TensorFlow2的知识,即使没有TensorFlow编程经验,也能快速掌握。

展开更多

课程大纲-深度学习与神经网络从原理到实践(基于TensorFlow2.X)

资料下载
  • 第1章 神经网络基本原理

    34分钟4节

  • 1-1

    深度学习与神经网络介绍 1.1.深度学习与神经网络介绍

    「仅限付费用户」点击下载“全套数据集和源代码.rar”

    [05:13] 开始学习
  • 1-2

    人造神经元 1.2.人造神经元

    「仅限付费用户」点击下载“1.神经网络基本原理.pdf”

    [06:50] 开始学习
  • 1-3

    单层感知器 1.3.单层感知器

    [10:12] 开始学习
  • 1-4

    两层感知器 1.4.两层感知器

    [12:15] 开始学习
  • 第2章 TensorFlow2入门

    1小时59分钟14节

  • 2-1

    TensorFlow2介绍 TensorFlow2介绍

    「仅限付费用户」点击下载“2.tensorFlow2.X入门.pdf”

    [09:15] 开始学习
  • 2-3

    jupyter notebook介绍(节选自Nump 3.jupyter notebook介绍

    [04:56] 开始学习
  • 2-5

    CPU版TensorFlow2.X安装 2.1-1.CPU版TensorFlow2.X安装

    [06:12] 开始学习
  • 2-6

    GPU版Tensorflow2.X安装 GPU版Tensorflow2.X安装

    [08:31] 开始学习
  • 2-7

    张量 2.2.张量

    [13:32] 开始学习
  • 2-8

    随机数 2.3.随机数

    [08:40] 开始学习
  • 2-9

    科学计算 2.4.数学运算

    [07:41] 开始学习
  • 2-10

    统计方法 2.5.统计方法

    [07:07] 开始学习
  • 2-11

    自动求导机制 2.6.自动求导机制

    [07:02] 开始学习
  • 2-12

    案例:tensorflow实现空气质量预测 2.7.案例:tf实现线性回归

    [06:39] 开始学习
  • 2-13

    案例:数据加载 2.8.案例:数据加载

    [09:52] 开始学习
  • 2-14

    案例:梯度下降算法的实现 2.9.案例:梯度下降算法的实现

    [14:05] 开始学习
  • 第3章 全连接神经网络

    1小时43分钟10节

  • 3-1

    全连接神经网络介绍 3.1.全连接神经网络

    「仅限付费用户」点击下载“3.全连接神经网络.pptx”

    [06:37] 开始学习
  • 3-2

    案例1:MNIST手写数字识别-图片加载 3.2.案例1:MNIST手写数字识别-图片加载

    [12:02] 开始学习
展开更多

5

学员评分

  • 0%
  • 0%
  • 0%
  • 0%
  • 0%
超过  “深度学习”   97%的课程

    1
    非常糟

    2
    很差

    3
    一般

    4
    很好

    5
    非常好

      展开更多
      加载中
      没有了哦~
      ¥159.00
      仅需¥79.50
      关注公众号 领VIP会员
      下次再说

      点击打包下载,即可获取该课程全部资料

      打包下载
      在线
      客服
      APP
      下载

      下载Android客户端

      下载iphone 客户端

      官方
      微信

      关注官方微信

      返回
      顶部