唐宇迪 大数据——深度学习入门视频课程（下篇）

冰点也疯狂

/ s7 \7 h9 G- r# j0 x) T+ e+ @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。
7 ~) z5 w  E5 D$ n2 w1 X8 Z* T3 M适用人群：
- r2 ^& A* g9 a2 r# D. _渴望高端技术，对人工智能感兴趣的同学们，全民皆可入门。

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。
9 p7 O* Y5 {, i# q( T/ t+ \& f
6 k$ B2 X% {* P" U# B  `, h7 t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。
' o* `! g& y6 M) N. n1 \3 G1 S
! ?$ a. L$ M8 P& ?0 \: T8 Y0 M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！
8 w, l1 D* X+ q8 ?/ b8 z& @
课程目录：
+ d$ y; W* T+ ^8 I9 {01 感受卷积神经网络的强大
) x$ J. b! @; d( N02 卷积层详解   
03 卷积计算流程   
1 B% P' I- S! a1 A: b" B% \04 卷积核参数分析   
05 卷积参数共享原则   
0 K' |7 k- M6 x  R5 W8 J06 池化层（Pooling）原理   
3 ]+ D4 w5 r% k5 j07 卷积神经网络反向传播原理   
7 K: x( q6 k2 G" i6 V2 l08 实现卷积层的前向传播与反向传播   
$ B6 M$ _/ E$ Z: D# _. y3 M09 实现Pooling层的前向传播与反向传播  
4 z; D3 _# O8 x- o' x10 经典卷及网络架构实例  
4 y6 Z: d' I9 v% T$ Z11 RNN网络结构   
12 RNN网络细节  
13 python实现RNN算法  
14 LSTM网络结构简介  
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   
9 h! _8 l6 K  V: o* A7 a17 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  
, d/ m; |" a: B& _# u7 z5 g5 L20 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