课程展示

适用人群

想入门人工智能，但是缺乏系统学习+项目实战经验的学员

课程概述

专为小白用户设计的学习梯度，科学合理！

视频重点讲解+图文补充阅读+配套项目+助教服务！

系统代码实现+详细逐行代码注释！

掌握深度学习核心知识和实践技能！

课程目录

章节1:预备知识（入门）

1【视频】你的入门学习指南07:31

2【图文】入行AI为什么系统学习数学知识的最终放弃—7个建议

3【图文】入行人工智能为什么不需要系统学习Python知识

4【图文】为什么从深度学习入行人工智能最快

5【视频】深度学习概论11:48

6【视频】代码版本控制和托管平台Github简介04:09

7【图文】深度学习环境安装和配置

章节2:python基础（入门）

8【图文】Python环境安装

9【视频】编程语言Python简介和重要概念07:23

10【视频】编程语言Python2-数值计算库Numpy04:25

11【代码】python基础（见附件）

章节3:TensorFlow基础（入门）

12【视频】TensorFlow介绍01:24

13【代码】TensorFlow介绍（见附件）

14【视频】tensorflow基础1-计算图、session、Tensor04:24

15【视频】tensorflow基础2-OP 矩阵、随机化、Variable07:15

16【视频】tensorflow基础3-占位符 graph06:24

17【代码】TensorFlow基础（见附件）

章节4:神经网络（进阶）

18【视频】线性模型、梯度下降及框架实现12:41

19【图文】线性模型和梯度下降

20【代码】线性模型和梯度下降（见附件）

21【视频】Logistic回归10:37

22【图文】Logistic回归

23【代码】Logistic回归（见附件）

24【视频】多层神经网络06:56

25【图文】多层神经网络

26【代码】多层神经网络（见附件）

27【视频】多分类问题及深层神经网络07:24

28【图文】多分类问题及深层神经网络

29【代码】多分类问题及深层神经网络（见附件）

30【视频】反向传播算法、优化算法08:36

31【图文】反向传播算法

32【图文】优化算法介绍

33【图文】优化算法变式

34【代码】优化算法Adadelta（见附件）

35【代码】优化算法Adagrad（见附件）

36【代码】优化算法Adam（见附件）

37【代码】优化算法Momentum（见附件）

38【代码】优化算法RMSProp（见附件）

39【代码】优化算法SGD（见附件）

40【实战项目1】：使用神经网络预测房价（见附件）

章节5:卷积神经网络CNN（进阶）

41【视频】卷积神经网络的背景及引入03:54

42【视频】卷积神经网络13:51

43【图文】卷积神经网络

44【视频】卷积神经网络的框架实现05:43

45【代码】卷积神经网络的框架实现（见附件）

46【图文】数据预处理-批标准化

47【视频】经典卷积神经网络1：AlexNet12:28

48【代码】经典卷积神经网络1：AlexNet（见附件）

49【视频】高层API-keras和TF-Slim的使用13:35

50【代码】高层API-keras和TF-Slim代码实现（见附件）

51【视频】经典卷积神经网络2：VGG05:03

52【代码】经典卷积神经网络2：VGG（见附件）

53【视频】经典卷积神经网络3：GoogLeNet07:29

54【代码】经典卷积神经网络3：GoogLeNet（见附件）

55【视频】经典卷积神经网络4：ResNet07:30

56【代码】经典卷积神经网络4：ResNet（见附件）

57【视频】经典卷积神经网络5：DenseNet06:05

58【代码】经典卷积神经网络5：DenseNet（见附件）

59【图文】五个经典卷积神经网络特点总结

60【视频】CNN训练技巧1-数据增强06:47

61【代码】CNN训练技巧1-数据增强（见附件）

62【视频】CNN训练技巧2-学习率衰减02:57

63【代码】CNN训练技巧2-学习率衰减（见附件）

64【视频】CNN训练技巧3-dropout03:25

65【代码】CNN训练技巧3-dropout（见附件）

66【视频】CNN技巧4-正则化02:11

67【代码】CNN技巧4-正则化（见附件）

68【代码】CNN技巧拓展-批正则化（见附件）

69【图文】训练卷积神经网络技巧总结

70【实战项目2】：驾驶员状态识别（见附件）

章节6:循环神经网络RNN（进阶）

71【视频】循环神经网络基础11:28

72【图文】循环神经网络基础

73【代码】循环神经网络基础（见附件）

74【视频】循环神经网络的应用-图像处理，时间序列和自然语言处理11:05

75【图文】循环神经网络的应用-图像处理，时间序列和自然语言处理

76【代码】循环神经网络的应用1：图像分类（见附件）

77【代码】循环神经网络的应用2：时间序列分析（见附件）

78【代码】循环神经网络的应用3：自然语言处理n-gram（附件）

79【代码】循环神经网络的应用3：自然语言处理seq-lstm

80【代码】循环神经网络的应用3：自然语言处理word-embedding

81【实战项目3】：用RNN生成古诗（见附件）

章节7:生成对抗网络GAN（进阶）

82【视频】自动编码器08:26

83【代码】自动编码器（见附件）

84【视频】变分自动编码器06:35

85【代码】变分自动编码器（见附件）

86【视频】生成对抗网络及框架实现09:59

87【图文】生成对抗网络

88【代码】生成对抗网络（见附件）

89【实战项目4】：用GAN生成人脸（见附件）

章节8:强化学习（进阶）

90【视频】强化学习12:56

91【图文】强化学习介绍（见附件）

92【图文】Q Learning 介绍

93【代码】Deep Q Networks

94【代码】open_ai_gym（见附件）

章节9:毕业项目

95深度学习理论与实践课程毕业项目

课程大小

备注:(10)20190906 人工智能