用神經網路構造影象和語言識別系統視訊教程—346人已學習
課程介紹    

    該視訊課程內容包括五大章節，分別是深度學習和神經網路理論基礎（神經元、啟用函式、矩陣實現、反向傳播演算法、梯度演算法）、用Python從零實現圖片識別神經網路、神經網路專案實戰、運用深度學習實現計算機視覺識別、使用神經網路進行自然語言處理（word embedding、單詞向量化、skip-gram、RNN、LSTM）。
課程收益
    1， 深度學習的基本概念
    2，理解神經網路的基本數學模組
    3，快速構建一個手寫數字識別系統
    4，機器學習的本質思考
    5，利用深度學習開發計算機視覺識別系統
    6，利用深度學習構建語義分析系統
講師介紹
    陳屹更多講師課程
    擁有十年軟體開發經驗，曾經在realnetworks, 微軟等知名公司擔任軟體工程師職位。 精通c/c /java/javascript/phtyon, 實踐經驗豐富，樂於追根刨底，對數學，對演算法，對各種技術原理始終抱有無止境的好奇之心。
課程大綱
  第1章:深度學習和神經網路的理論基礎
    1.什麼是深度學習  32:27
    2.快速構建一個手寫數字識別系統  36:03
    3.神經網路基本資料結構-tensor  27:54
    4.詳解神經元和啟用函式  30:26
    5.使用矩陣實現神經網路資料加工鏈  28:51
    6.通過反向傳播演算法回傳誤差改進鏈路權重  24:22
    7.矩陣運算及梯度下降法進行神經網路迭代訓練  31:44
    8.手算梯度下降法，詳解神經網路迭代訓練過程  35:15
  第2章:用Python從零實現圖片識別神經網路
    1.基本框架搭建  24:28
    2.實現網路的訓練功能  26:12
    3.訓練網路，識別手寫數字圖片  20:19
    4.透過神經網路的內在靈魂與柏拉圖的哲學理念  21:22
  第3章:神經網路專案實踐
    1.用神經網路識別影評正負能量  29:37
    2.利用神經網路給新聞稿分類  29:03
    3.使用神經網路預測房價中位數  29:53
    4.重要概念深入解析  26:52
  第4章:運用深度學習實現計算機視覺識別
    1.卷積網路入門  27:52
    2.從零開始構建識別貓狗圖片的卷積網路  23:38
    3.使用預先訓練網路和特徵提取大力提升圖片識別率  25:47
    4.視覺化展示網路的學習過程  16:41
  第5章:使用神經網路進行自然語言處理
    1.word embedding,單詞向量化  29:00
    2.skip-gram，單詞向量化演算法的數學原理  35:52
    3.使用預訓練的單詞向量來識別影評情緒  28:00
    4.RNN，具備記憶功能的神經網路  19:04
    5.LSTM網路例項詳解  17:18
    6.GRU網路高階應用例項  28:38
    7.使用RNN和CNN混合的’雞尾酒療法’，提升網路對文字的識別正確率  18:00
大家可以點選【檢視詳情】檢視我的課程