唐宇迪 大数据——深度学习入门视频课程（下篇）

冰点也疯狂

$ ^! w1 B9 e( B; X7 `6 T* Y课程目标：
用通俗易懂的讲解，一步步的带大家入门深度学习这个当今世界最火爆的深度学习领域。
' `! `. B5 A& Z4 o2 X$ x适用人群：
渴望高端技术，对人工智能感兴趣的同学们，全民皆可入门。
; W1 ]$ I' Q& P6 t) t$ T4 e5 A7 M
课程简介：
从无人驾驶汽车技术到AlphaGo战胜人类，深度学习在生活中扮演着越来越重要的角色，也即将改变这个世界。但是很多同学担心深度学习入门要求太高，苦于国内没有合适的课程予以帮助。
( B2 a! A! U8 m( Y/ l
/ l3 V. G! ]/ C3 k. g深度学习入门系列课程作为国内第一篇深度学习的入门课程视频，旨在帮助同学们更快更轻松的掌握深度学习所涉及的所有知识点，真正的入门深度学习这个世界上拥有最先进技术的领域，深度学习全民皆兵。
# M! I, ]/ R0 `3 K, Q% J/ J' d
% W* t! \! g/ q  f1 u本篇主要涉及两大模块，分别是计算机视觉-CNN网络架构，自然语言处理RNN网络架构，风格依旧通俗易懂！

6 v& i. z/ ?7 N: s8 l课程目录：
& K! h, D6 O9 D7 j01 感受卷积神经网络的强大
02 卷积层详解   
. u# ^( l; s  n, |' f03 卷积计算流程   
04 卷积核参数分析   
" p# \, [6 n0 K6 b+ A# ~) B05 卷积参数共享原则   
06 池化层（Pooling）原理   
& |' d9 O+ c6 N0 V3 F0 O! ~* h( S* M07 卷积神经网络反向传播原理   
- |5 y. ~) w3 d2 K1 D- R3 d08 实现卷积层的前向传播与反向传播   
09 实现Pooling层的前向传播与反向传播  
# \4 [! ~: B) I! z" z10 经典卷及网络架构实例  
11 RNN网络结构   
! d& V4 z- Q# \: \5 ~! I12 RNN网络细节  
13 python实现RNN算法  
* Y( ]$ m" R) c( g" e14 LSTM网络结构简介  
; W$ p6 [( _8 F+ ^) {$ _15 分类与回归（Location）任务应用详解  
16 深度学习入门额课程15 物体检测实例   
17 如何巧妙设计网络结构  
18 训练技巧之数据增强  
19 训练技巧之Transfer Learning  
, u% Z0 o) r3 G, W6 @20 深度学习框架Caffe简介
21 深度学习框架Caffe训练过程  
22 深度学习框架Caffe接口使用实例

游客，如果您要查看本帖隐藏内容请回复

# i4 a9 x/ M% A1 y