深度学习必修课:进击算法工程师资源介绍:
我们见证了深度学习的蓬勃发展,在自然语言处理,计算机视觉,语音识别等方面做出了巨大贡献,成为人工智能最热门领域之一,本课程根据ACM和IEEE最新版人工智能体系中的111个知识点,几乎涵盖所有最新主流模型.
资源目录:
├──001.1-1 课程内容和理念.mp4 52.23M ├──002.1-2 初识深度学习.mp4 52.86M ├──003.1-3 课程使用的技术栈.mp4 12.65M ├──004.2-1 线性代数.mp4 56.44M ├──005.2-2 微积分.mp4 49.04M ├──006.2-3 概率.mp4 59.21M ├──007.3-1 CUDA+Anaconda深度学习环境搭建.mp4 20.94M ├──008.3-2 conda实用命令.mp4 13.03M ├──009.3-3 Jupyter Notebook快速上手.mp4 15.54M ├──010.3-4 深度学习库PyTorch安装.mp4 9.01M ├──011.4-1 神经网络原理.mp4 44.83M ├──012.4-2 多层感知机.mp4 47.25M ├──013.4-3 前向传播和反向传播.mp4 39.52M ├──014.4-4 多层感知机代码实现.mp4 29.34M ├──015.4-5 回归问题.mp4 35.59M ├──016.4-6 线性回归代码实现.mp4 23.14M ├──017.4-7 分类问题.mp4 23.05M ├──018.4-8 多分类问题代码实现.mp4 42.84M ├──019.5-1 训练的常见问题.mp4 33.80M ├──020.5-2 过拟合欠拟合应对策略.mp4 41.17M ├──021.5-3 过拟合和欠拟合示例.mp4 22.37M ├──022.5-4 正则化.mp4 42.24M ├──023.5-5 Dropout.mp4 32.08M ├──024.5-6 Dropout代码实现.mp4 17.32M ├──025.5-7 梯度消失和梯度爆炸.mp4 47.20M ├──026.5-8 模型文件的读写.mp4 16.50M ├──027.6-1 最优化与深度学习.mp4 48.05M ├──028.6-2 损失函数.mp4 42.80M ├──029.6-3 损失函数性质.mp4 29.22M ├──030.6-4 梯度下降.mp4 31.56M ├──031.6-5 随机梯度下降法.mp4 20.63M ├──032.6-6 小批量梯度下降法.mp4 32.04M ├──033.6-7 动量法.mp4 25.04M ├──034.6-8 AdaGrad算法.mp4 24.77M ├──035.6-9 RMSProp_Adadelta算法.mp4 15.89M ├──036.6-10 Adam算法.mp4 47.07M ├──037.6-11 梯度下降代码实现.mp4 30.92M ├──038.6-12 学习率调节器.mp4 27.91M ├──039.7-1 全连接层问题.mp4 38.55M ├──040.7-2 图像卷积.mp4 34.77M ├──041.7-3 卷积层.mp4 44.83M ├──042.7-4 卷积层常见操作.mp4 35.21M ├──043.7-5 池化层Pooling.mp4 33.64M ├──044.7-6 卷积神经网络代码实现(LeNet).mp4 27.22M ├──045.8-1 AlexNet.mp4 49.57M ├──046.8-2 VGGNet.mp4 47.71M ├──047.8-3 批量规范化.mp4 23.62M ├──048.8-4 GoogLeNet.mp4 40.98M ├──049.8-5 ResNet.mp4 65.01M ├──050.8-6 DenseNet.mp4 58.47M ├──051.9-1 序列建模.mp4 30.32M ├──052.9-2 文本数据预处理.mp4 60.04M ├──053.9-3 循环神经网络.mp4 48.25M ├──054.9-4 随时间反向传播算法.mp4 43.86M ├──055.9-5 循环神经网络代码实现.mp4 27.84M ├──056.9-6 RNN的长期依赖问题.mp4 37.66M ├──057.10-1 深度循环神经网络.mp4 24.18M ├──058.10-2 双向循环神经网络.mp4 25.84M ├──059.10-3 门控循环单元.mp4 28.59M ├──060.10-4 长短期记忆网络.mp4 43.06M ├──061.10-5 复杂循环神经网络代码实现.mp4 35.82M ├──062.10-6 编码器-解码器网络.mp4 41.10M ├──063.10-7 序列到序列模型代码实现.mp4 32.96M ├──064.10-8 束搜索算法.mp4 25.71M ├──065.10-9 机器翻译简单代码实现.mp4 39.34M ├──066.11-1 什么是注意力机制.mp4 43.37M ├──067.11-2 注意力的计算.mp4 57.52M ├──068.11-3 键值对注意力和多头注意力.mp4 24.14M ├──069.11-4 自注意力机制.mp4 30.16M ├──070.11-5 注意力池化及代码实现.mp4 29.63M ├──071.11-6 Transformer模型.mp4 43.91M ├──072.11-7 Transformer代码实现.mp4 38.00M ├──073.12-1BERT模型.mp4 50.18M ├──074.12-2 GPT系列模型.mp4 79.60M ├──075.12-3 T5模型.mp4 37.76M ├──076.12-4 ViT模型.mp4 31.02M ├──077.12-5 Swin Transformer模型.mp4 54.91M ├──078.12-6 GPT模型代码实现.mp4 37.95M ├──079.13-1 蒙特卡洛方法.mp4 28.52M ├──080.13-2 变分推断.mp4 40.75M ├──081.13-3 变分自编码器.mp4 56.20M ├──082.13-4 生成对抗网络.mp4 39.85M ├──083.13-5 Diffusion扩散模型.mp4 77.56M ├──084.13-6 图像生成.mp4 56.13M ├──085.14-1 自定义数据加载.mp4 48.72M ├──086.14-2 图像数据增强.mp4 33.44M ├──087.14-3 迁移学习.mp4 31.80M ├──088.14-4 经典视觉数据集.mp4 37.27M ├──089.14-5 项目实战:猫狗大战.mp4 64.10M ├──090.15-1 词嵌入和word2vec.mp4 33.25M ├──091.15-2 词义搜索和句意表示.mp4 44.83M ├──092.15-3 预训练模型.mp4 55.01M ├──093.15-4 Hugging Face库介绍.mp4 36.40M ├──094.15-5 经典NLP数据集.mp4 36.42M ├──095.15-6 项目实战:电影评论情感分析.mp4 35.74M ├──096.16-1 InstructGPT模型.mp4 76.99M ├──097.16-2 CLIP模型.mp4 37.65M ├──098.16-3 DALL-E模型.mp4 54.33M ├──099.16-4 深度学习最新发展趋势分析.mp4 37.03M └──100.16-5 下一步学习的建议.mp4 18.52M