基础篇理论第 1 课:机器学习基础
统计与朴素贝叶斯
机器学习基本原理
基础篇理论第 2 课:决策树
信息熵
决策树算法
基础篇理论第 3 课:回归与损失函数
线性回归
损失函数
基础篇理论第 4 课:梯度下降与凸优化
凸函数与凸优化
梯度下降算法
随机梯度下降算法
基础篇理论第 5 课:分类器与 SVM
多元线性回归模型
支持向量机 SVM
神经元与激励函数
基础篇理论第 6 课:神经元和线性分类器
激励函数的种类 Sigmoid、Tanh 等
基础篇理论第 7 课:BP 神经网络
BP 网络结构
训练原理
基础篇理论第 8 课:卷积神经网络 CNN
卷积核与卷积层
卷积神经网络结构
经典卷积网络模型
基础篇实战第 1 课:常用的软件包和环境配置
常用的软件包
环境配置
基础篇实战第 2 课:环境配置详解
GPU 环境配置详解
深度学习框架配置详解
基础篇实战第 3 课:梯度下降算法的实现
Python 实现算法
基础篇实战第 4 课:神经网络手写数字识别
Mnist 数据集来识别手写数字
基础篇实战第 5 课:反向传播算法的实现(Python)
Python 实现算法
基础篇实战第 6 课:提高版本的手写数字识别识别
Python 实现算法
基础篇实战第 7 课:卷积神经网络 (CNN) 实现(上)(Python)
Python 实现算法
基础篇实战第 8 课:卷积神经网络 (CNN) 实现(下)(Python)
Python 实现算法
高级篇理论第 1 课:梯度消失问题和激励函数选择
梯度消失问题
ReLu 激励函数
高级篇理论第 2 课:隐马尔可夫模型
HMM 模型
维特比算法、前向算法、后向算法
高级篇理论第 3 课:循环神经网络 RNN
标准 RNN
LSTM
高级篇理论第 4 课:OverFitting
过拟合 / 欠问题的原因
通过 Validation 解决过拟合问题
高级篇理论第 5 课:Regulization 和 DropOut
正则化的优势与实现方法
DropOut 的优势与实现方法
高级篇理论第 6 课:玻尔兹曼机与 Encoder/Decoder
玻尔兹曼机原理
玻尔兹曼机用途
高级篇理论第 7 课:深度残差网络
深度残差网络结构
深度残差网络应用介绍
高级篇理论第 8 课:总结与扩展
遗传算法(启发式优化)
论文与其它文献
源代码共享
高级篇实战第 1 课:循环神经网络 (RNN) 实现
Python 实现算法
高级篇实战第 2 课:循环神经网络 (LSTM) 实现
Python 实现算法
高级篇实战第 3 课:使用卷积神经网络 (CNN) 对图片进行分类 (Caffe)
Caffe 和 Cifar-10 数据集来实现
高级篇实战第 4 课:使用卷积神经网络 (CNN) 对图片进行分类 (Tensorflow)
Google Tensorflow 和 Cifar-10 数据集来实现
高级篇实战第 5 课:使用循环神经网络 (RNN) 自动生成文本 (Caffe)
Caffe 来实现
高级篇实战第 6 课:使用循环神经网络 (RNN) 自动生成文本 (Tensorflow)
Google Tensorflow 来实现
高级篇实战第 7 课:使用卷积神经网络 (CNN) 把照片模仿出著名艺术家画的风格 (Tensorflow)
Google Tensorflow 来实现
高级篇实战第 8 课:人脸识别 (Tensorflow)
Google Tensorflow 来实现
综合实战篇(直播讲解+互动答疑)
本部分内容,高扬老师将通过直播形式,以一个有趣的实战项目「斗地主机器人」为例讲解深度学习卷积网络的应用实践流程和经验。