深度学习是机器学习研究中的一个新的领域,是实现人工智能的重要途径之一,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本.《深度学习》训练营内容覆盖了深度学习主流算法,如DNN、CNN、RNN、LSTM、GRU的教学产品。课程专门设计了6大实战案例,涉及医疗,出行,自然语言处理等多个应用领域
〖资源截图〗:
〖资源目录〗:
- ├──1逻辑回归
- | ├──1.1Video 二元分类问题 deeplearningxly 课件 学堂在线_ev.mp4 7.42M
- | ├──1.2Video 逻辑函数 deeplearningxly 课件 学堂在线_ev.mp4 6.89M
- | ├──1.3Video 指数与对数,逻辑回归 deeplearningxly 课件 学堂在线_ev.mp4 8.79M
- | ├──1.4Video 指数与对数,逻辑回归 deeplearningxly 课件 学堂在线_ev.mp4 17.39M
- | ├──1.5Video 损失函数 deeplearningxly 课件 学堂在线_ev.mp4 12.25M
- | ├──1.6Video 梯度下降法 deeplearningxly 课件 学堂在线_ev.mp4 24.98M
- | └──1.7Video 逻辑回归的应用案例 deeplearningxly 课件 学堂在线_ev.mp4 32.17M
- ├──2神经网络
- | ├──2.10Video 反向传导算法 deeplearningxly 课件 学堂在线.mp4 79.79M
- | ├──2.1Video 什么是神经网络 deeplearningxly 课件 学堂在线.mp4 91.97M
- | ├──2.2Video 什么是神经网络 deeplearningxly 课件 学堂在线.mp4 45.78M
- | ├──2.3Video 什么是神经网络 deeplearningxly 课件 学堂在线.mp4 160.95M
- | ├──2.4Video 什么是神经网络 deeplearningxly 课件 学堂在线.mp4 85.42M
- | ├──2.5Video 神经网络的原理 deeplearningxly 课件 学堂在线.mp4 60.52M
- | ├──2.6Video 神经网络的原理 deeplearningxly 课件 学堂在线.mp4 56.42M
- | ├──2.7Video 反向传导算法 deeplearningxly 课件 学堂在线.mp4 69.85M
- | ├──2.7Video 神经网络的原理 deeplearningxly 课件 学堂在线.mp4 47.83M
- | ├──2.8Video 反向传导算法 deeplearningxly 课件 学堂在线.mp4 71.88M
- | └──2.9Video 反向传导算法 deeplearningxly 课件 学堂在线.mp4 79.00M
- ├──3.深度神经网络
- | ├──3.1Video 梯度消亡 deeplearningxly 课件 学堂在线.mp4 43.02M
- | ├──3.2Video 梯度消亡分析 deeplearningxly 课件 学堂在线.mp4 59.15M
- | ├──3.3Video 梯度消亡解决方案 deeplearningxly 课件 学堂在线.mp4 30.61M
- | ├──3.4Video 过拟合 Droput训练 deeplearningxly 课件 学堂在线.mp4 31.27M
- | ├──3.5Video 正则化 deeplearningxly 课件 学堂在线.mp4 20.84M
- | └──3.6Video 最大范数约束以及神经元的初始化 deeplearningxly 课件 学堂在线.mp4 41.20M
- ├──4.实战项目1
- | ├──4.1Video 环境安装 deeplearningxly 课件 学堂在线.mp4 108.05M
- | ├──4.2.1Video 任务一 deeplearningxly 课件 学堂在线.mp4 58.39M
- | ├──4.2.2Video 任务一 deeplearningxly 课件 学堂在线.mp4 57.86M
- | ├──4.2.3Video 任务一 deeplearningxly 课件 学堂在线.mp4 86.11M
- | ├──4.3任务介绍 任务二 deeplearningxly 课件 学堂在线.mp4 36.33M
- | ├──4.3如何实现 load_img_as_np_array 这个函数 任务二 deeplearningxly 课件 学堂在线.mp4 17.29M
- | ├──4.3如何实现“extract_features”函数 任务二 deeplearningxly 课件 学堂在线.mp4 35.72M
- | ├──4.3如何实现“load_vgg16_model”函数 任务二 deeplearningxly 课件 学堂在线.mp4 28.79M
- | ├──4.4.1任务三-01 创建Tokenizer01 任务三 deeplearningxly 课件 学堂在线.mp4 20.68M
- | ├──4.4.2Video 任务三 deeplearningxly 课件 学堂在线.mp4 60.80M
- | ├──4.4.3Video 任务三 deeplearningxly 课件 学堂在线.mp4 70.63M
- | ├──4.4.4Video 任务三 deeplearningxly 课件 学堂在线.mp4 56.68M
- | ├──4.5.1Video 任务四 deeplearningxly 课件 学堂在线.mp4 21.51M
- | ├──4.5.2Video 任务四 deeplearningxly 课件 学堂在线.mp4 65.54M
- | ├──4.5.3Video 任务四 deeplearningxly 课件 学堂在线.mp4 32.03M
- | ├──4.5.4Video 任务四 deeplearningxly 课件 学堂在线.mp4 57.21M
- | ├──4.6.1Video 任务五 deeplearningxly 课件 学堂在线.mp4 36.60M
- | ├──4.6.2Video 任务五 deeplearningxly 课件 学堂在线.mp4 117.55M
- | ├──4.6.3Video 任务五 deeplearningxly 课件 学堂在线.mp4 31.39M
- | └──4.6.4Video 任务五 deeplearningxly 课件 学堂在线.mp4 115.49M
- ├──5.项目实战2 自动驾驶之车牌识别
- | ├──1.Video任务一:数据增强deeplearningxly课件学堂在线.mp4 45.91M
- | ├──10.Video任务二:图像预处理deeplearningxly课件学堂在线.mp4 16.92M
- | ├──11.Video任务三:设计卷积神经网络进行神经学习deeplearningxly课件学堂在线.mp4 45.49M
- | ├──12.Video任务三:设计卷积神经网络进行神经学习deeplearningxly课件学堂在线.mp4 71.67M
- | ├──13.Video任务三:设计卷积神经网络进行神经学习deeplearningxly课件学堂在线.mp4 63.08M
- | ├──14.Video任务三:设计卷积神经网络进行神经学习deeplearningxly课件学堂在线.mp4 112.07M
- | ├──2.Video任务一:数据增强deeplearningxly课件学堂在线.mp4 37.08M
- | ├──3.Video任务一:数据增强deeplearningxly课件学堂在线.mp4 92.89M
- | ├──4.Video任务一:数据增强deeplearningxly课件学堂在线.mp4 99.80M
- | ├──5.Video任务一:数据增强deeplearningxly课件学堂在线.mp4 154.28M
- | ├──6.Video任务二:图像预处理deeplearningxly课件学堂在线.mp4 66.56M
- | ├──7.Video任务二:图像预处理deeplearningxly课件学堂在线.mp4 89.62M
- | ├──8.Video任务二:图像预处理deeplearningxly课件学堂在线.mp4 56.03M
- | ├──9.Video任务二:图像预处理deeplearningxly课件学堂在线.mp4 63.88M
- | ├──Video3月17日直播答疑deeplearningxly课件学堂在线.mp4 97.10M
- | └──Video3月3日直播答疑deeplearningxly课件学堂在线.mp4 91.38M
- ├──直播答疑
- | ├──Video3月17日直播答疑deeplearningxly课件学堂在线.mp4 97.10M
- | └──Video3月3日直播答疑deeplearningxly课件学堂在线.mp4 91.38M
- └──资料
- | ├──参考课件.zip 2.30M
- | └──垃圾短信检测数据集.zip 217.15kb
声明:吾爱学堂是一个资源分享和技术交流平台,本站所发布的一切破解补丁、注册机和注册信息及软件的解密分析文章仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。本站信息来自网络,版权争议与本站无关。您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。如果您喜欢该程序,请支持正版软件,购买注册,得到更好的正版服务。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。