慕课-哈尔滨广厦学院

深度学习基础_哈尔滨工业大学

课程类型：选修课

发布时间：2024-11-27 09:48:49

主讲教师：

课程来源：

建议学分：0.00分

课程编码：mk004785

课程介绍

课程目录

教师团队

{1}--第一讲深度学习概述

[1.1.1]--深度学习的引出.mp4 （17分钟）

[1.2.1]--数据集及其拆分.mp4 （14分钟）

[1.3.1]--分类及其性能度量.mp4 （14分钟）

[1.4.1]--回归问题及其性能评价.mp4 （12分钟）

[1.5.1]--一致性的评价方法.mp4 （10分钟）

[1.6.1]--使用Sklearn进行精确率-召回率曲线的绘制.mp4 （10分钟）

[1.9.1]--深度学习芯片及常用框架介绍.mp4 （18分钟）

{2}--第二讲特征工程概述

[2.1.1]--特征工程.mp4 （10分钟）

[2.2.1]--向量空间模型及文本相似度计算.mp4 （11分钟）

[2.3.1]--特征处理(特征缩放、选择及降维).mp4 （18分钟）

[2.4.1]--程序示例：（使用sklearn）基于词频的文档向量化.mp4 （6分钟）

[2.5.1]--使用sklearn进行量纲的缩放.mp4 （5分钟）

{3}--第三讲回归问题及正则化

[3.1.1]--线性回归模型及其求解方法.mp4 （12分钟）

[3.2.1]--多元回归与多项式回归.mp4 （11分钟）

[3.3.1]--损失函数的正则化.mp4 （11分钟）

[3.4.1]--逻辑回归.mp4 （8分钟）

[3.5.1]--使用sklearn进行线性回归和二次回归的比较.mp4 （9分钟）

[3.8.1]--案例分析：MindSpore框架下线性回归模型及动态绘图实践示例.mp4 （19分钟）

{4}--第四讲信息熵及梯度计算

[4.1.1]--信息熵.mp4 （12分钟）

[4.2.1]--反向传播中的梯度.mp4 （9分钟）

[4.3.1]--感知机.mp4 （11分钟）

[4.4.1]--程序示例：正向传播和反向传播.mp4 （6分钟）

[4.5.1]--程序讲解：信息熵和互信息的计算程序示例.mp4 （6分钟）

[4.8.1]--反向传播算法.mp4 （22分钟）

[4.9.1]--提升神经网络模型泛化能力.mp4 （8分钟）

{5}--第五讲循环神经网络及其变体

[5.1.1]--循环神经网络.mp4 （11分钟）

[5.2.1]--长短时记忆网络.mp4 （13分钟）

[5.3.1]--双向循环神经网络和注意力机制.mp4 （6分钟）

[5.4.1]--程序示例：循环神经网络的应用示例.mp4 （22分钟）

{6}--第六讲卷积神经网络

[6.1.1]--卷积与卷积神经网络.mp4 （14分钟）

[6.2.1]--LeNet-5 模型分析.mp4 （14分钟）

[6.3.1]--程序示例：卷积神经网络.mp4 （22分钟）

[6.6.1]--案例分析：MindSpore框架下基于lenet5的手写数字识别.mp4 （17分钟）

{7}--第七讲递归神经网络

[7.1.1]--情感分析及传统求解方法.mp4 （11分钟）

[7.2.1]--词向量.mp4 （6分钟）

[7.3.1]--递归神经网络及其变体.mp4 （16分钟）

[7.5.1]--案例分析：MindSpore框架下基于LSTM的情感分类实践示例.mp4 （25分钟）

{8}--第八讲生成式神经网络

[8.1.1]--自动编码器.mp4 （10分钟）

[8.2.1]--变分自动编码器.mp4 （12分钟）

[8.3.1]--生成对抗网络.mp4 （14分钟）

[8.4.1]--程序讲解：自动编码器程序示例.mp4 （23分钟）

[8.7.1]--案例分析：MindSpore框架下基于Cyclegan的图像风格.mp4 （15分钟）

{9}--第九讲预训练模型及其应用

[9.1.1]--Transformer模型.mp4 （22分钟）

[9.2.1]--预训练模型.mp4 （47分钟）

[9.3.1]--MindSpore框架下基于BERT网络实现智能写诗的实践示例.mp4 （15分钟）

[9.4.1]--案例分析：MindSpore框架下transformer机器翻译.mp4 （25分钟）