零基础讲解深度学：神经网络+卷积神经网络+RNN网络结构+LSTM网络结构

1-1

深度学习算法的概述深度学习算法的概述

「仅限付费用户」点击下载“2-深度学习入门课程.zip”

1-2

深度学与传统机器学的区别深度学与传统机器学的区别

「仅限付费用户」点击下载“深度学部分的代码.zip”

1-3

深度学的算法主要应用在哪些领域深度学的算法主要应用在哪些领域

1-4

概述通过传统机器学算法如何进行工作概述通过传统机器学算法如何进行工作

1-5

讲解线性分类器与非线性分类器讲解线性分类器与非线性分类器

1-6

讲解分类器中的得分函数讲解分类器中的得分函数

1-7

讲解分类器中的损失函数讲解分类器中的损失函数

1-8

讲解正则化惩罚因子讲解正则化惩罚因子

1-9

阶段总结讲过的知识点阶段总结讲过的知识点

1-10

阶段总结讲过的知识点（二）阶段总结讲过的知识点

1-11

讲解softmax-loss 来求得损失值讲解softmax-loss 来求得损失值

1-12

通过梯度下降来更新权重通过梯度下降来更新权重

1-13

讲解反向传播的工作原理讲解反向传播的工作原理

1-14

讲解反向传播的链式法则以及三种梯度门讲解反向传播的链式法则以及三种梯度门

1-15

讲解神经网络的本质，结构以及神经元讲解神经网络的本质，结构以及神经元

1-16

讲解神经网络的隐藏层，激活函数讲解神经网络的隐藏层，激活函数

1-17

总结神经网络结构涉及到的知识点总结神经网络结构涉及到的知识点

1-18

整体梳理神经网络涉及到的前向传播和反向传播整体梳理神经网络涉及到的前向传播和反向传播

1-19

整体梳理神经网络涉及到的前向传播和反向传播（二）整体梳理神经网络涉及到的前向传播和反向传播（二）

1-20

讲解神经网络结构中的输入层，隐藏层，激活函数，输出层讲解神经网络结构中的输入层，隐藏层，激活函数，输出层