课程名称
深度神经网络算法之深度学习，资源教程下载
课程目录
|深度神经网络学习深入与强化一 10课
|第9课 更多的网络类型
|第8课 RNN应用
|第7课 RNN介绍
|第6课 CNN推展案例
|第5课 CNN训练注意事项与框架使用
|第4课 CNN与常用框架
|第3课 梯度下降法与反向传播
|第2课 高效计算基础与图像线性分类器
|第1课 机器学习中数学基础
|第10课 更多框架
|机器学习之深度神经网络深入研究 20课
|(额外补充)词嵌入word embedding
|(20)贝叶斯网络和HMM
|(19)Caffe&Tensor Flow&MxNet 简介
|(18)循环神经网络与LSTM
|(17)卷积神经网络
|(16)人工神经网络
|(15)贝叶斯推理采样与变分
|(14)主题模型
|(13)贝叶斯方法
|(12)SVM
|(11)决策树随机森林和adaboost
|(10)聚类算法与应用
|(09)推荐系统与应用
|(08)最大熵模型与EM算法
|(07)工作流程与模型调优
|(06)特征工程
|(05)回归分析与工程应用
|(04)凸优化初步
|(03)矩阵分析与应用
|(02)数理统计与参数估计
|____(01)机器学习与相关数学初步
评论0