人工智能 算法基础 深度学习与PyTorch入门实战教程 视频课程

冰点也疯狂

% y% F5 C* M; c: w适用人群：
本课程适合于深度学习和人工智能方向新手，需要零基础、快速、深入学习人工智能的朋友。
9 c; e/ l( r/ J6 l9 x8 B2 u
课程特色：
% _; A2 e* T! H+ d' p1.通俗易懂，快速入门
6 ^: Y$ ^+ R1 ?6 G- w对深度学习算法追本溯源、循序渐进式讲解，学员不需要任何机器学习基础，只需要写过代码即可轻松上手。
2.实用主导，简单高效
. x2 u- ~7 ?5 W0 q5 v0 L使用新手最容易掌握的深度学习框架PyTorch实战，比起使用TensorFlow的课程难度降低了约50%，而且PyTorch是业界最灵活，最受好评的框架。
3.案例为师，实战护航
- ]2 i9 j- {% h+ d基于计算机视觉和NLP领域的经典数据集，从零开始结合PyTorch与深度学习算法完成多个案例实战。
; T, d* ?# P2 g& ~+ `# l4.持续更新，永久有效
5 W$ Q) \5 ?" S) F6 [; }一次购买，永久有效。深度学习课程会持续更新下去，内容和学术界最前沿算法保持同步。

课程大纲：
) W9 {2 `0 n2 o+ V. e9 w3 V01 介绍
5 q/ G( l1 {# y02 深度学习初见
# ?) N5 r+ A, n0 W3 j03 基础张量操作
04 随机梯度下降
05 神经网络与全连接层
7 v6 W+ g. E( f, A4 j5 T06 过拟合
07 卷积神经网络
08 CIFAR与ResNet卷积神经网络实战
6 l& M1 J+ Y7 q/ [) W2 X% K09 循环神经网络
10 对抗生成网络
. L; y$ _/ Q, F, U) x- L
3 J+ e5 G9 p5 s) a, K, o课程目录：
001 深度学习框架介绍.mp4
002 开发环境安装.mp4
" N- K% Z1 U' A% L003 线性回归-1.mp4
) l" l/ A6 w5 y1 W! `! o+ u004 线性回归-2.mp4
0 U  a6 G; Y3 E8 L) r005 线性回归问题实战.mp4
) l0 @/ a  }8 Q5 l006 手写数字问题引入-1.mp4
! u$ m4 h; _' k8 ]2 y007 手写数字问题引入-2.mp4
6 j& ^, v" L6 C8 d! E* X, Y4 }0 V009 数据类型-2.mp4
5 `4 E- ?1 y2 P4 r010 创建Tensor-1.mp4
! R( g. C; ~# F4 B6 I5 b011 创建Tensor-2.mp4
, o; I$ ]3 T! M: V2 X1 ~6 Z012 索引与切片-1.mp4
+ @4 E5 _. M* e+ l013 索引与切片-2.mp4
014 维度变换-1.mp4
015 维度变换-2.mp4
016 维度变换-3.mp4
8 X/ S1 ?( F/ I% D: @017 维度变换-4.mp4
018 Broadcasting-1.mp4
019 Broadcasting-2.mp4
3 \5 P! t" L) a' S3 U8 ]; ?) p020 合并与分割-1.mp4
1 C! g4 Z" }, _' E$ {+ c+ m021 合并与分割-2.mp4
1 D4 J+ u+ O5 \+ I/ `022 数学运算.mp4
023 属性统计-1.mp4
024 属性统计-2.mp4
# o- t8 M# \* e! I  I/ \025 高阶操作.mp4
026 什么是梯度-1.mp4
: f* A3 p; [% D6 W! k027 什么是梯度-2.mp4
028 常见函数的梯度.mp4
029 激活函数与Loss的梯度-1.mp4
030 激活函数与Loss的梯度-2.mp4
031 激活函数与Loss的梯度-3.mp4
! c& Z, i/ D$ l& ^032 感知机的梯度推导-1.mp4
8 x3 P5 Q7 r+ z033 感知机的梯度推导-2.mp4
. p6 }4 u& O. `' C, K034 链式法则.mp4
1 c5 p( B1 F0 x- r035 MLP反向传播梯度推导.mp4
036 函数极小值优化实战.mp4
5 B+ r6 y0 d) R* S  {037 Logistic Regression.mp4
0 [! y: W/ q' f( K038 交叉熵.mp4
039 多分类问题实战.mp4
1 A! ]. d9 y& p# P' F040 全连接层.mp4
" G' {: i& x( r; L3 E& B041 激活函数与GPU加速.mp4
* \  \! o0 Q' A) q: R' @042 测试方法.mp4
043 可视化.mp4
& C2 o" D. u7 a$ a044 过拟合与欠拟合.mp4
8 |* M; j& N. u3 q045 交叉验证-1.mp4
8 C# I- n% d9 P2 q046 交叉验证-2.mp4
* E. a: T) A. Z5 _7 w047 Regularization.mp4
% g  b* V$ y. ~; E/ ^9 y3 |048 动量与学习率.mp4
/ L  C& m. ?& {9 ~" i049 Dropout, early Stopping.mp4
4 }+ y6 v  X" L) q) v- S050 什么是卷积-1.mp4
+ Y' C/ D' P; H051 什么是卷积-2.mp4
052 卷积层-1.mp4
053 卷积层-2.mp4
+ b8 M. R3 ^  x) |7 A  ~, A5 m054 卷积层-3.mp4
$ ?1 P7 G/ P" ?& K5 f: j2 O3 ~055 池化与采样.mp4
0 x/ P1 Z+ N4 j+ h1 g9 j056 BatchNorm-1.mp4
4 Q9 F# A, m5 }" A057 BatchNorm-2.mp4
058 经典卷积神经网络-1.mp4
0 K9 _7 q9 `2 G9 r1 A059 经典卷积神经网络-2.mp4
7 O' H, c! o6 V( f& u060 ResNet-1.mp4
0 y! L4 G* A8 {* f* e061 ResNet-2.mp4
; B2 j# S8 q( m" J062 nn.Module模块-1.mp4
+ R' E% J; N* n& }7 r4 z9 T063 nn.Module模块-2.mp4
064 Data Argumentation.mp4
065 CIFAR10数据集介绍.mp4
9 f) R, v' a' C4 t6 {# {! N% Q066 卷积神经网络实现-1.mp4
067 卷积神经网络实现-2.mp4
. G+ `" |( o* E% B068 网络的训练.mp4
0 w6 f' r* q" t3 R069 网络的测试.mp4
* |1 o7 E( ^  N5 \2 t! B0 J* Y$ R9 p070 ResNet18网络.mp4
9 c0 ?/ z. ~0 O$ T! \8 u7 C071 ResNet实战.mp4
072 实战小结.mp4
073 序列表示方法.mp4
- ?- V+ B! u+ ]# ?- v1 R074 RNN层原理-1.mp4
075 RNN层原理-2.mp4
# l( e1 T; T  q076 RNN层使用方法-1.mp4
/ I: ~6 z6 k7 Y0 q# c1 y077 RNN层使用方法-2.mp4
078 时间序列预测实战.mp4
6 [6 M4 p4 U- h% z# H& t7 I079 梯度弥散与梯度爆炸.mp4
5 ^+ R  m3 ~7 G) b5 I& ^: N' }8 a080 LSTM原理-1.mp4
! X7 X. |; V& n081 LSTM原理-2.mp4
  E( D3 u! M/ Q3 R/ c082 LSTM层使用方法.mp4
083 情感分类问题实战.mp4
( L- b! A2 Y9 O085 画家的成长历程.mp4
; R/ t/ Z8 Y( c086 对抗生成网络.mp4
088 纳什均衡-2.mp4
4 U" e. @  c( T: I089 GAN训练难题.mp4
( Y0 ?# |/ ?" Z% r7 h5 [090 引入EM距离.mp4
) D; O& [! N0 H6 L& f7 a091 WGAN-GP原理.mp4
6 W3 a( h, r# l, o7 ~8 t092 GAN实战-1.mp4
093 GAN实战-2.mp4
0 H5 ^) O+ l8 P! h) J3 r+ }094 WGAN实战-1.mp4

游客，如果您要查看本帖隐藏内容请回复

8 x+ U! M" ~; X: c7 m+ L% p5 i% z

' S  M. A+ {6 d. ~* N

m9128213

很棒的教程～～