深度学习教程 | 吴恩达专项课程 · 全套笔记解读

收藏ShowMeAI查看更多精彩内容


引言

本篇内容是ShowMeAI组织的「深度学习原理知识大全」系列教程入口,本教程依托于吴恩达老师的《深度学习专项课程》,对内容做了重新梳理与制作,以更全面和直观的图文方式,对深度学习涉及的知识、模型、原理、应用领域等进行详解。

内容覆盖:深度学习基础知识、神经网络、反向传播、优化算法(梯度下降、sgd、RMSProp、adam等)、梯度消失/爆炸与处理、模型问题诊断、神经网络效果优化、深度神经网络、超参数调优、Batch Normalization、标签错误与数据不匹配的处理办法、计算机视觉、CNN、卷积神经网络、目标检测、人脸识别、图像神经风格转换、序列建模、循环神经网络、RNN、自然语言处理、词嵌入、Seq2seq模型、注意力机制等。

教程地址

点击查看完整教程学习路径

内容章节

1.深度学习概论

深度学习概论

2.神经网络基础

神经网络基础

3.浅层神经网络

浅层神经网络

4.深层神经网络

深层神经网络

5.深度学习的实用层面

深度学习的实用层面

6.神经网络优化算法

神经网络优化算法

7.网络优化:超参数调优、正则化、批归一化和程序框架

网络优化:超参数调优、正则化、批归一化和程序框架

8.AI应用实践策略(上)

AI应用实践策略(上)

9.AI应用实践策略(下)

AI应用实践策略(下)

10.卷积神经网络解读

卷积神经网络解读

11.经典CNN网络实例详解

经典CNN网络实例详解

12.CNN应用:目标检测

CNN应用:目标检测

13.CNN应用:人脸识别和神经风格转换

CNN应用:人脸识别和神经风格转换

14.序列模型与RNN网络

序列模型与RNN网络

15.自然语言处理与词嵌入

自然语言处理与词嵌入

16.Seq2seq序列模型和注意力机制

Seq2seq序列模型和注意力机制

ShowMeAI系列教程推荐

posted @ 2022-04-14 15:36  ShowMeAI  阅读(307)  评论(0编辑  收藏  举报