Udemy線上課程 解剖深度學習原理 講師:hw dong 影音教學 中文發音 中文字幕版(3DVD) Udemy線上課程解剖深度學習原理講師:hwdong影音教學中文發音中文字幕版(3DVD) 內容說明: 從底層由淺入深地介紹深度學習原理並結合實現說明原理是如何實現的。 不僅包含全連接神經網絡，還包含瞭卷積神經網絡、循環神經網絡、對抗生成網絡等的原理與實現。 通俗易懂的原理講解、從底層打造深度學習庫、完整的深度學習基礎內容構成瞭課程的特色。 教學內容主要有第一章：編程和數學基礎。 包括Python快速入門、張量（包括向量、矩陣）和numpy、微積分基礎（函數、極限、連續性、導數、多變量函數和向量值函數、積分）、概率（樣本空間、概率、隨機變量、期望、方差等）。 第二章：梯度下降法。 包括：函數單調性、極值的必要條件、梯度下降法、梯度下降法的參數優化策略、數值梯度和梯度驗證、分離梯度下降和參數優化策略等。 第三章：線性回歸、邏輯回歸、softmax回歸。 包括：線性回歸、邏輯回歸、softmax回歸、模型評估、數據規范化、過擬合和欠擬合、學習曲線、偏差與方差、正則化、交叉熵損失、批梯度下降和隨機梯度下降等。 第四章：神經網絡。 包括：神經元、神經網絡、損失函數（均方差、二分類和多分類交叉熵）、正向計算與反向求導、基於數值梯度的神經網絡實現、基於反向求導的神經網絡實現、面向全連接神經網絡的深度學習框架。 第五章：改進神經?絡性能的基本技巧。 包括數據處理（數據增強、數據的規范化、特征工程）、參數調式（權重初始化、優化參數）、批規范化、正則化。 第六章：卷積神經網絡CNN。 包括卷積（池化）、卷積神經網絡、卷積層的反向求導、快速卷積、典型的卷積神經網絡架構。 第七章：循環神經網絡。 包括序列問題和模型、序列數據的順序和隨機采樣、單層循環神經網絡的原理與實現、RNN語言模型和文本生成、長短記憶網絡LSTM、門控循環單元GRU、多層和雙向循環神經網絡原理與實現、序列到序列模型、機器翻譯、單詞向量化、詞嵌入、註意力機制等。 第八章：對抗生成網絡。 包括生成模型、自動編碼器、變分自動編碼器、生成對抗網絡的原理與實現、生成對抗網絡的例子、GAN損失函數和概率分佈散度的關系、：WassersteinGAN（WGAN）、深度卷積對抗網絡的原理與實現、轉置卷積等。 課程內容: 01課程介紹 001什麼是機器學習.mp4 002課程介紹.mp4 02Python編程基礎 0031.1Python1-對象與變量、IO、計算.mp4 0041.1Python2-控制語句.mp4 0051.1Python3-函數.mp4 0061.1Python4-類和對象.mp4 0071.1Python5-Matplotlib入門.mp4 008什麼是張量.mp4 0091.2-numpy-創建numpy張量.mp4 0101.2-numpy-numpy張量的索引于切片.mp4 0111.2-numpy-numpy張量的運算.mp4 03微積分和概率基礎 012函數、極限、連續性.mp4 013導數.mp4 014多變量函數、向量值函數、積分.mp4 015概率.mp4 016隨機變量.mp4 017期望、方差、協方差、協變矩陣.mp4 04梯度下降法 018單調性、極值、極值的必要條件.mp4 019梯度下降法.mp4 020參數優化器.mp4 021梯度驗證.mp4 022分離梯度下降算法與參數優化器.mp4 05線性回歸、邏輯回歸和softmax回歸 023線性回歸.mp4 024多特征線性回歸.mp4 025數據規范化.mp4 026模型的評估.mp4 027正則化.mp4 028邏輯回歸.mp4 029softmax回歸.mp4 030softmax回歸的多分類交叉熵損失梯度.mp4 06神經網絡 031感知機、神經元、激活函數.mp4 032神經網絡.mp4 033基于數值梯度訓練神經網絡.mp4 034反向求導、2層神經網絡的實現.mp4 035任意層反向求導（列向量形式）.mp4 036實現一個神經網絡框架.mp4 037通用神經網絡框架.mp4 07改進神經絡性能的基本技巧 038數據處理.mp4 039參數調試.mp4 040批規范化.mp4 041正則化和Dropout.mp4 08卷積神經網絡 042卷積.mp4 043卷積神經網絡.mp4 044卷積的矩陣乘法.mp4 045基于下標索引的快速卷積.mp4 046典型的卷積神經網絡結構.mp4 09循環神經網絡 047序列問題和模型.mp4 048循環神經網絡.mp4 049傳過時間的反向求導.mp4 050序列數據的采樣和RNN模型的訓練與預測.mp4 051RNN語言模型和文本生成.mp4 052長短期記憶網絡LSTM.mp4 053門控循環單元GRU.mp4 054循環神經網絡的類實現.mp4 055多層循環神經網絡.mp4 056雙向循環神經網絡.mp4 057序列到序列模型、字符級機器翻譯.mp4 058字符級Seq2Seq機器翻譯.mp4 059基于Word2Vec詞量化的Seq2Seq機器翻譯.mp4 060基于詞嵌入層的Seq2Seq機器翻譯.mp4 061注意力機制的解碼器.mp4 10生成模型 062生成模型.mp4 063自編碼器.mp4 064變分自編碼器.mp4 065生成對抗網絡.mp4 066生成對抗網絡的實例.mp4 067GAN損失函數和概率分布散度的關系.mp4 068改進的損失函數：WassersteinGAN（WGAN）.mp4 069深度卷積對抗網絡DCGAN.mp4 11Pytorch 070Pytorch張量.mp4 071自動求導Autograd.mp4 072數據處理與裝載.mp4 073神經網絡nn與優化器optim.mp4 074讀寫模型.mp4 相關商品:Udemy線上課程C++版資料結構(含教材)講師:hwdong影音教學中文發音中文字幕版(2DVD)Udemy線上課程演算法設計與分析講師:hwdong影音教學中文發音中文字幕版(2DVD)Udemy線上課程攝影大師課：最佳線上專業攝影課(含教材)講師:VideoSchool影音教學中文發音中文字幕版(3DVD)Udemy線上課程Cinema4D進階高手教程--成為Cinema4D專家講師:chaozhou影音教學中文發音中文字幕版(3DVD)Udemy線上課程Java大型專案視頻教程-EGOV專案(含教材)講師:Congzhencai影音教學中文發音中文字幕版(3DVD)