深度学习理论与实战（基于PyTorch实现）-廖星宇-专题视频课程

深度学习理论与实战（基于PyTorch实现）—455人已学习
课程介绍    

    本课程对人工智能的核心—“深度学习”的知识和技能脉络进行了精细的梳理，设计出内容架构、学习路径和具体内容，期望达到“从零开始，循序渐进，高效”，层层递进的练习实践将不断让学员获得惊喜和信心。本课程的理论知识、项目案例及项目实践覆盖到了计算机视觉、自然语言处理、数据分析等当前就业热门领域
课程收益
    通过本课程学习，掌握深度学习的核心知识体系和技能，掌握神经网络、卷积神经网络、生成对抗神经网络、循环神经网络、强化学习的理论和实践知识，掌握Python编程、PyTorch深度学习框架的使用和编程，并教会学员使用框架实现所有案例，最后通过项目实战完成理论知识和实践技能的闭环。
讲师介绍
    廖星宇 更多讲师课程
    《深度学习入门之PyTorch》（电子工业出版社）作者 中国科学技术大学硕士，旷视科技工程师
课程大纲
  第1章:预备内容
    1. 你的入门学习指南  6:41
    2. 深度学习概论  14:53
    3. 深度学习环境配置和代码版本控制和托管平台GitHub简介  4:18
  第2章:Python基础
    1. Python基础  12:30
  第3章:PyTorch基础
    1. Pytorch基础-简介及Tensor  14:04
    2. Pytorch基础-Variable和自动求导  7:40
  第4章:神经网络
    1. 神经网络1-线性模型、梯度下降及框架实现  12:44
    2. 神经网络2-Logistic回归  11:43
    3. 神经网络3-多层神经网络  11:30
    4. 神经网络4-多分类问题及深层神经网络  9:06
    5. 神经网络5-反向传播算法  9:45
  第5章:卷积神经网络
    1. 卷积神经网络1-背景及应用  4:16
    2. 卷积神经网络2-卷积神经网络基础  14:54
    3. 卷积神经网络3-Pytorch实现  5:18
    4. 经典卷积神经网络-AlexNet  7:36
    5. 经典卷积神经网络-VGG  5:07
    6. 经典卷积神经网络-GoogLeNet  7:24
    7. 经典卷积神经网络-ResNet  9:06
    8. 经典卷积神经网络-DenseNet  6:26
    9. 卷积神经网络训练技巧  15:20
  第6章:循环神经网络
    1. 循环神经网络1-循环神经网络基础  9:38
    2. 循环神经网络2-循环神经网络的应用  10:10
  第7章:生成对抗网络GAN
    1. 生成对抗网络1-自动编码器  7:50
    2. 生成对抗网络2-变分自动编码器  5:55
    3. 生成对抗网络3-生成对抗网络  8:43
  第8章:强化学习
    1. 强化学习  12:12
大家可以点击【 查看详情】查看我的课程