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”

[02:30] 开始学习

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”

[15:00] 开始学习

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

[15:00] 开始学习

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

[15:00] 开始学习

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

[15:00] 开始学习

1-6

讲解分类器中的得分函数 讲解分类器中的得分函数

[15:00] 开始学习

1-7

讲解分类器中的损失函数 讲解分类器中的损失函数

[15:00] 开始学习

1-8

讲解正则化惩罚因子 讲解正则化惩罚因子

[12:48] 开始学习

1-9

阶段总结讲过的知识点 阶段总结讲过的知识点

[15:00] 开始学习

1-10

阶段总结讲过的知识点（二） 阶段总结讲过的知识点

[15:00] 开始学习

1-11

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

[15:00] 开始学习

1-12

通过梯度下降来更新权重 通过梯度下降来更新权重

[15:00] 开始学习

1-13

讲解反向传播的工作原理 讲解反向传播的工作原理

[15:00] 开始学习

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

[15:00] 开始学习

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

[15:00] 开始学习

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

[15:00] 开始学习

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

[14:16] 开始学习

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

[15:00] 开始学习

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）

[15:00] 开始学习

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

[15:00] 开始学习