慕课-哈尔滨广厦学院

深度学习_嘉应学院

课程类型：选修课

发布时间：2024-11-27 09:47:26

主讲教师：

课程来源：

建议学分：0.00分

课程编码：mk004782

课程介绍

课程目录

教师团队

{1}--绪论

[1.1.1]--1.1 人工智能的发展历史1.mp4 （30分钟）

[1.1.2]--1.1 人工智能的发展历史2.mp4 （21分钟）

[1.1.3]--第1章人工智能简介(5).mp4 （19分钟）

[1.2]--实验1 Keras手写数字识别.mp4 （16分钟）

[1.3]--1.4 Pytorch手写数字识别.mp4 （28分钟）

{2}--深度学习的理论基础

[2.1.1]--2.0 深度学习的理论基础-学习目标.mp4 （3分钟）

[2.1.2]--2.1 感知器-代码讲解.mp4 （13分钟）

[2.2]--2.2 多层感知器.mp4 （18分钟）

[2.3.1]--第2章神经网络的理论基础2-网络优化1-网络结构(1).mp4 （14分钟）

[2.3.2]--第2章神经网络的理论基础2-网络优化2-反向传播算法.mp4 （27分钟）

[2.3.3]--第2章神经网络的理论基础2-网络优化3-计算实例.mp4 （11分钟）

[2.3.4]--2.3 反向传播算法1.mp4 （24分钟）

[2.3.5]--2.3 反向传播算法2-梯度消失.mp4 （9分钟）

[2.3.6]--2.3 反向传播算法3-计算实例.mp4 （13分钟）

[2.4.1]--实验2.2 Python手写数字识别1(2).mp4 （23分钟）

[2.4.2]--实验2.2 Python手写数字识别1-解答(1).mp4 （10分钟）

[2.4.3]--实验2.2 Python手写数字识别2-解答.mp4 （18分钟）

[2.4.4]--2.4 反向传播算法的实现.mp4 （19分钟）

{3}--PyTorch基础编程

[3.3.1]--第3章 Keras深度学习通用流程1-数据加载与预处理1(3).mp4 （17分钟）

[3.3.2]--第3章 Keras深度学习通用流程1-数据加载与预处理2(1).mp4 （11分钟）

[3.3.3]--实验3.1 Keras数据加载与预处理-解答.mp4 （9分钟）

[3.5.1]--第3章 Keras深度学习通用流程1-网络训练(1).mp4 （11分钟）

[3.5.2]--第3章 Keras深度学习通用流程3-网络训练2-损失函数.mp4 （13分钟）

[3.5.3]--第3章 Keras深度学习通用流程3-网络训练3-训练方法.mp4 （7分钟）

[3.5.4]--实验3.3 Keras网络训练-讲解.mp4 （5分钟）

[3.6.1]--第3章 Keras深度学习通用流程1-性能评估.mp4 （9分钟）

[3.6.2]--第3章 Keras深度学习通用流程4-性能评估2-回调检查(1).mp4 （14分钟）

[3.6.3]--第3章 Keras深度学习通用流程4-性能评估3-模型保存.mp4 （7分钟）

[3.6.4]--实验3.4 Keras网络评估-讲解.mp4 （11分钟）

{4}--卷积神经网络

[4.1.1]--第4章卷积神经网络1-卷积计算原理1(2).mp4 （6分钟）

[4.1.2]--第4章卷积神经网络1-卷积计算原理2(1).mp4 （17分钟）

[4.1.3]--第4章卷积神经网络1-卷积计算原理3(1).mp4 （6分钟）

[4.1.4]--第4章卷积神经网络2-卷积参数数量的计算(1).mp4 （5分钟）

[4.1.5]--第4章卷积神经网络3-Keras卷积层(1).mp4 （18分钟）

[4.1.6]--第4章卷积神经网络4-池化层正则化层(1).mp4 （10分钟）

[4.1.7]--第4章卷积神经网络5-经典的卷积神经网络.mp4 （17分钟）

[4.2]--实验4.1_Keras卷积神经网络.mp4 （16分钟）

[4.3.1]--第4章卷积神经网络-使用ResNet预训练模型1-实验(2).mp4 （9分钟）

[4.3.2]--第4章卷积神经网络-使用ResNet预训练模型2-pretra.mp4 （7分钟）

[4.3.3]--第4章卷积神经网络-使用ResNet预训练模型3-pretra.mp4 （11分钟）

[4.4.1]--实验4.3_卷积结果可视化1-CatDog_CNN.mp4 （18分钟）

[4.4.2]--实验4.3_卷积结果可视化2-实验解答.mp4 （5分钟）

[4.4.3]--第6章卷积神经网络5-卷积的实现.mp4 （6分钟）

{5}--循环神经网络

[5.1.1]--第5章循环神经网络1-简介1(2).mp4 （7分钟）

[5.1.2]--第5章循环神经网络1-简介2(1).mp4 （14分钟）

[5.2.1]--第5章循环神经网络2-Embedding层.mp4 （13分钟）

[5.2.2]--第5章循环神经网络2-Embedding层-代码解释.mp4 （19分钟）

[5.2.3]--实验5.1_Embedding层-解答.mp4 （6分钟）

[5.3]--第7章自然语言理解-新闻话题分类.mp4 （19分钟）

[5.4.1]--第5章循环神经网络4-循环层.mp4 （17分钟）

[5.4.2]--第5章循环神经网络5-循环层-代码解释.mp4 （7分钟）

[5.4.3]--实验5.3_基于循环神经网络的新闻话题分类-解答.mp4 （6分钟）

[5.5.1]--第5章循环神经网络6-注意力层1.mp4 （12分钟）

[5.5.2]--第5章循环神经网络6-注意力层2(1).mp4 （12分钟）

[5.5.3]--第5章循环神经网络7-注意力层-代码解释(1).mp4 （10分钟）

{6}--生成对抗网络

[6.1.1]--第6章生成对抗网络1-自动编码器1-理论基础(1).mp4 （7分钟）

[6.1.2]--第6章生成对抗网络1-自动编码器2-去噪代码解释(1).mp4 （16分钟）

[6.1.3]--第6章生成对抗网络1-自动编码器3-黑白图像上色.mp4 （11分钟）

[6.2.1]--第6章生成对抗网络2-GAN-1.mp4 （22分钟）

[6.2.2]--第6章生成对抗网络2-GAN-2(1).mp4 （12分钟）

[6.2.3]--第6章生成对抗网络2-GAN_mnist代码解释(1).mp4 （19分钟）

[6.2.4]--第6章生成对抗网络2-GAN-condition代码解释.mp4 （17分钟）

{7}--深度强化学习

[7.1.1]--第7章深度强化学习1-理论基础1.mp4 （12分钟）

[7.1.2]--第7章深度强化学习1-理论基础2.mp4 （11分钟）

[7.2]--第7章深度强化学习2-小车载杆问题代码解释(1).mp4 （25分钟）

{8}--补充实例

[8.1]--实验8.1_基于LSTM的文本生成.mp4 （23分钟）

[8.2]--实验8.2_基于LSTM的文本挖掘.mp4 （20分钟）

[8.3]--实验8.3_使用神经网络分析电影评论(1).mp4 （8分钟）

[8.4]--实验8.4_基于序列到序列学习的数字加法.mp4 （19分钟）

[8.5]--毕业论文的格式要求kk.mp4 （22分钟）