01 第二集-数据集
数据是深度学习的精神食粮,没有大数据,是万万不可能有深度学习的成功的。
本课的主要内容:
1, 深度学习里的经典数据集与历史节点。
2, 数据集的发展趋势。
02 第三集-数据增强
很多实际的项目,我们都难以有充足的数据来完成任务,要保证完美的完成任务,有两件事情需要做好。
1,寻找更多的数据;2,充分利用已有的数据进行数据增强。
什么是数据增强呢?它也叫数据扩增,意思是在不实质性的增加数据的情况下,让有限的数据产生等价于更多数据的价值。
本课的主要内容:
1,有监督的数据增强方法。
2,无监督的数据增强方法。
03 第四集-神经网络
这一课将比较传统神经网络和卷积神经网络各自的输入,结构与计算效率,应用场景,重要讲述卷积神经网络设计的核心思想及其背后的原理,为接下来展开讲述的优化,可视化,模型结构等打好基础。
本课的主要内容:
1,传统的全连接神经网络。
2,卷积神经网络。