客服咨询

意见反馈

终身学习智能服务
课程
AI技术领域课程--深度学习
华为云//
0.0
1601
视频
7.7
课时
介绍
目录

课程概述

深度学习是一种以人工神经网络为架构,对数据进行表征学习的算法。目前,在图像、语音识别、自然语言处理、强化学习等许多技术领域中,深度学习获得了广泛的应用,并且在某些问题上已经达到甚至超越了人类的水平。本课程将介绍深度学习算法的知识。

课程目标

通过本课程的学习,使学员: 1、掌握神经网络基础理论。 2、掌握深度学习中数据处理的基本方法。 3、掌握深度学习训练中调参、模型选择的基本方法。 4、掌握主流深度学习模型的技术特点。

考核评价

深度学习是一种以人工神经网络为架构,对数据进行表征学习的算法。目前,在图像、语音识别、自然语言处理、强化学习等许多技术领域中,深度学习获得了广泛的应用,并且在某些问题上已经达到甚至超越了人类的水平。本课程将介绍深度学习算法的知识。

讲师介绍

详细介绍

课程大纲

第1章 神经网络基础概念
第2章 数据集处理
第3章 网络构建
第4章 正则化
第5章 优化器
第6章 初始化
第7章 参数调节
第8章 深度信念网络
第9章 卷积神经网络
第10章 循环神经网络

第1章 神经网络基础概念
1.1 神经网络基础概念-神经元

(849s)

1.2 神经网络基础概念-感知机

(611s)

1.3 神经网络基础概念-激活函数

(752s)

1.4 神经网络基础概念-前向传播、损失函数

(802s)

1.5 神经网络基础概念-反向传播算法

(143s)

1.6 神经网络基础概念-卷积神经网络

(1152s)

1.7 神经网络基础概念-循环神经网络

(760s)

第2章 数据集处理
2.1 数据集处理-数据集

(428s)

2.2 数据集处理-数据集分割

(378s)

2.3 数据集处理-偏差与方差

(633s)

第3章 网络构建
3.1 网络构建-网络模型构建

(316s)

3.2 网络构建-超参数设置

(601s)

3.3 网络构建-激活函数选择、损失函数选择

(601s)

第4章 正则化
4.1 正则化-过拟合

(657s)

4.2 正则化-数据增强

(326s)

4.3 正则化-L2与L1正则

(446s)

4.4 正则化-Dropout

(493s)

4.5 正则化-提前终止

(122s)

4.6 正则化-随机池化

(247s)

第5章 优化器
5.1 优化器

(989s)

第6章 初始化
6.1 初始化-初始化的重要性、全零初始化、随机初始化

(412s)

6.2 初始化-Xavier初始化、He初始化

(306s)

第7章 参数调节
7.1 参数调节

(923s)

第8章 深度信念网络
8.1 深度置信网络

(512s)

第9章 卷积神经网络
9.1 卷积神经网络-卷积神经网络回顾

(396s)

9.2 卷积神经网络-经典CNN结构

(853s)

第10章 循环神经网络
10.1 循环神经网络-循环神经网络回顾

(263s)

10.2 循环神经网络-RNN变种

(519s)

第11章 实验
11.1 实验1

(914s)

11.2 实验2

(1640s)

11.3 实验3

(1458s)

11.4 实验4

(1476s)

主办单位:中国就业培训技术指导中心 <br><br>技术支持:杭州沃土教育科技股份有限公司