深度学习入门基础——算法工程师带你读AI圣经《Deep Learning》

深度学习是机器学习的分支,是一种以人工神经网络为架构,对数据进行表征学习的算法,它的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。如今,深度神经网络、卷积神经网络、深度置信网络和循环神经网络等多种深度学习框架已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。 本课程首先介绍了深度学习的发展历史、优势、应用领域及其与机器学习的关系,建立整体认识;接下来从数学基础和深度学习算法两方面进行展开,数学基础部分包含线性代数、概率、信息论、数值计算、机器学习基础等内容,深度学习算法部分包含深度前馈网络、正则化、优化、卷积神经网络CNN、循环神经网络RNN等。 【课程目标】 了解深度学习的优势和应用 掌握深度学习相关的熟悉知识 掌握常用的深度学习算法 【适用对象】 AI开发者、学生 【课程大纲】 知识模块 简介 前言 深度学习的发展历史、优势、应用领域及其与机器学习的关系 数学基础 线性代数及概率和信息论、数值计算、机器学习基础 深度学习算法 前馈神经网络、正则优化、卷积神经网络CNN、循环神经网络RNN

视频列表(8)

1
37分19秒

前言 王奇文

2021-04-16 10:05:48
2
1时27分

线性代数及概率和信息论 王奇文

2021-04-16 10:05:48
3
55分59秒

数值计算

2021-04-16 10:05:48
4
44分18秒

机器学习基础 吴楚

2021-04-16 10:05:48
5
1时25分

前馈神经网络 王奇文

2021-04-16 10:05:48
6
1时32分

深度网络的正则化 王奇文

2021-04-16 10:05:48
7
1时14分

深度模型中的优化 孙嘉睿

2021-04-16 10:05:48
8
1时26分

卷积网络 王奇文

2021-04-16 10:05:45

创建者

云加社区直播小编

扫码关注云+社区

领取腾讯云代金券