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

7 _1 S- f& w( T! R: B. U9 J' g4 F
) P5 d8 t, @( h! A, a- D3 p适用人群：
% k+ R! r( |' m/ Z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。

课程特色：
$ k  [5 E: c) |% c1.通俗易懂，快速入门
6 C7 }/ \" C3 m  W+ Z3 b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。
) u! O& [$ n: ^( Z& r2.实用主导，简单高效
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。
; Y% [9 r' m' d2 X3 N' _3.案例为师，实战护航
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。
4.持续更新，永久有效
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：
01 介绍
02 深度学习初见
# U5 j+ O) v) f! q03 基础张量操作
04 随机梯度下降
4 N* ?: p  Z& S8 s% W: N05 神经网络与全连接层
06 过拟合
07 卷积神经网络
08 CIFAR与ResNet卷积神经网络实战
6 n' s2 E( N: [1 s- H5 D, k09 循环神经网络
10 对抗生成网络

课程目录：
001 深度学习框架介绍.mp4
- z- ]6 _! ~! l002 开发环境安装.mp4
003 线性回归-1.mp4
, g8 K5 X* h5 X% {1 i+ o. Y4 }& y004 线性回归-2.mp4
005 线性回归问题实战.mp4
006 手写数字问题引入-1.mp4
3 x) n+ ~) D  \0 d, D& ]007 手写数字问题引入-2.mp4
009 数据类型-2.mp4
6 j3 b5 q% _" `5 G' U: I  e010 创建Tensor-1.mp4
011 创建Tensor-2.mp4
* D6 m- ?9 X8 L2 E012 索引与切片-1.mp4
, g/ {1 X7 r1 K- c6 N013 索引与切片-2.mp4
; c# m0 [9 E" C( ]014 维度变换-1.mp4
9 [: n# I0 C8 D" y" y& X0 H015 维度变换-2.mp4
9 [+ b3 ~$ n$ m016 维度变换-3.mp4
3 t! X5 ?+ [/ J" V" {* c8 L017 维度变换-4.mp4
018 Broadcasting-1.mp4
019 Broadcasting-2.mp4
9 X+ Q# q& z! Q/ U1 G% |. }020 合并与分割-1.mp4
021 合并与分割-2.mp4
022 数学运算.mp4
023 属性统计-1.mp4
024 属性统计-2.mp4
% x8 ?: [$ M5 `# p025 高阶操作.mp4
4 E$ ^- U; c/ w. a! a. K026 什么是梯度-1.mp4
7 R+ N' u6 B" m* L# u027 什么是梯度-2.mp4
. N/ ]3 U) R/ ~& p2 S% p) G028 常见函数的梯度.mp4
4 @1 M/ _/ s7 J6 R% |- Z029 激活函数与Loss的梯度-1.mp4
/ a% y# e! g: A030 激活函数与Loss的梯度-2.mp4
031 激活函数与Loss的梯度-3.mp4
032 感知机的梯度推导-1.mp4
033 感知机的梯度推导-2.mp4
$ N; `" Q8 }* }  Q* s034 链式法则.mp4
035 MLP反向传播梯度推导.mp4
+ J- b8 ~, Q5 ~! ]  C9 L6 l! v% F036 函数极小值优化实战.mp4
037 Logistic Regression.mp4
6 L) E1 P" y8 K038 交叉熵.mp4
039 多分类问题实战.mp4
040 全连接层.mp4
# O3 z- p6 Q6 |# F/ E8 @041 激活函数与GPU加速.mp4
" \' O; _' T( N- g9 q- t042 测试方法.mp4
043 可视化.mp4
044 过拟合与欠拟合.mp4
045 交叉验证-1.mp4
, Y# z' R5 @2 o* M046 交叉验证-2.mp4
/ h# i0 }! {  F047 Regularization.mp4
1 w5 E/ O+ ^0 T, t# ^+ [048 动量与学习率.mp4
: X7 D7 T$ i+ \8 Q# F5 f+ w; v; g4 Q049 Dropout, early Stopping.mp4
7 z$ M1 Q8 G5 C$ c8 o; `050 什么是卷积-1.mp4
051 什么是卷积-2.mp4
052 卷积层-1.mp4
053 卷积层-2.mp4
054 卷积层-3.mp4
* M$ L3 n/ @3 J8 m4 d# x055 池化与采样.mp4
056 BatchNorm-1.mp4
057 BatchNorm-2.mp4
7 v9 y$ Q2 G. s/ \: U% @058 经典卷积神经网络-1.mp4
  U- ]- X( C' a059 经典卷积神经网络-2.mp4
060 ResNet-1.mp4
1 y" S8 N0 u" M. V* n061 ResNet-2.mp4
; q1 |! i( `# {% C062 nn.Module模块-1.mp4
( q, ]# Z6 u' C- t063 nn.Module模块-2.mp4
7 d' v( Z2 p( V, L! P8 H064 Data Argumentation.mp4
065 CIFAR10数据集介绍.mp4
4 N# s/ ?) o# G8 k! v% P066 卷积神经网络实现-1.mp4
067 卷积神经网络实现-2.mp4
. Q8 y( @& N5 n: N# `068 网络的训练.mp4
* I# m7 J7 }+ s+ G( \/ K069 网络的测试.mp4
070 ResNet18网络.mp4
071 ResNet实战.mp4
4 R; ?7 b4 W0 w2 |2 c072 实战小结.mp4
073 序列表示方法.mp4
0 R+ s5 e2 M3 k074 RNN层原理-1.mp4
075 RNN层原理-2.mp4
# P1 a  N3 L+ P6 ^- ~- Y/ @076 RNN层使用方法-1.mp4
( d9 H" L( Q. O( H077 RNN层使用方法-2.mp4
078 时间序列预测实战.mp4
079 梯度弥散与梯度爆炸.mp4
! ]7 P8 G+ h6 ~/ v( L. L080 LSTM原理-1.mp4
' z! p2 y. U/ i  j081 LSTM原理-2.mp4
% F( `1 z: r* Y082 LSTM层使用方法.mp4
! L- \6 \! q3 p& l083 情感分类问题实战.mp4
1 t- a9 d9 m# k085 画家的成长历程.mp4
086 对抗生成网络.mp4
088 纳什均衡-2.mp4
# A; H  ?- x5 U: V089 GAN训练难题.mp4
090 引入EM距离.mp4
$ ]7 y  P" D; i6 o+ J091 WGAN-GP原理.mp4
7 \1 Q4 O% v/ f& T% i0 @7 w% d  ~1 Y092 GAN实战-1.mp4
093 GAN实战-2.mp4
094 WGAN实战-1.mp4

游客，如果您要查看本帖隐藏内容请回复

8 y& h% ]0 p$ D/ E- h$ w$ |) o) K

m9128213

很棒的教程～～