课程名称
小象学院第三期《深度学习》视频教程，资源教程下载
课程目录
第一课 深度学习总体介绍 1.神经网络：传统到现代 2.深度学习应用特点 3.深度学习发展方向 4.深度学习框架比较：用Tensorflow进行课程学习
第二课 传统神经网络 1.线性回归 2.非线性激励函数 3.loss 函数，常见问题：过拟合，正则化，dropout 实例：传统神经网络络实现
第三课反向反馈：深度学习模型优化基础 1.SGD 梯度下降介绍 2.神经网络的梯度优化 3.神经网络训练 实例：反向梯度优化对比
第四课 卷积神经网络 1.卷积核以及卷积层 2.AlexNet 最早的现代神经网络 3.VGG，GoogleNet,，ResNet. 近期的高级网络 实例：利用已有模型进行物体分类／特征提取
第五课 迁移学习 1.理论分析 2.迁移模型&原始训练模型 3.如何设计新的的网络 实例：表情识别／人脸识别／动物识别
第六课 与时域信息相关的深度学习 3.图片标题生成 4.视频处理 实例：LSTM用于图片标题生成
第七课 自然语言处理 1.处理之前：speech to text 2.词语表达，word2vect 3.语句生成LSTM 实例：根据上下文回答问题
第八课 给予深度学习的目标检测 1.传统的目标检测方法 2. 初代算法： Region CNN 3. 升级： SPP Net， Fast RCNN， Faster RCNN 4. 深度学习另辟蹊径： YoLo 和SSD 实例： 自动驾驶的核心：实时目标检测
第九课 深度卷积神经偶的重要应用 1.图片问答 2.图像模式转换 3.图像高清化 4.围棋程序， Alpha go 5.自动游戏机器人，DeepMind Atari 实例： 图片艺术风格转化
第十课 无监督学习：对抗网络GAN 1.传统无监督学习 Autoencode，K Means，Sparse Coding 2.RBM 限制博斯曼机，深度学习的另一支 3.生成对抗网络 GAN 实例： 机器生成图片，以假乱真
评论0