| 资源(43) | 时长( 00:00:00) | 播放量(105976) |
|---|---|---|
讲义1-1 深度学习介绍 |
/ | 2167 |
|
讲义1-2 深度学习的核心思想 |
/ | 2124 |
|
讲义1-3 典型的网络结构 |
/ | 2113 |
|
讲义1-4 深度学习应用概览 |
/ | 2113 |
|
讲义2-1 数据科学简介 |
/ | 2153 |
|
讲义2-2 有监督学习 |
/ | 2120 |
|
讲义2-3 无监督学习 |
/ | 2155 |
|
讲义2-4 过拟合 |
/ | 2119 |
|
讲义2-5 模型选择 |
/ | 2104 |
|
讲义2-1 数据科学简介 |
/ | 2066 |
|
讲义3-1 神经网络与MLP |
/ | 2072 |
|
讲义3-2 神经元模型 |
/ | 2227 |
|
讲义3-3 反向传播算法 |
/ | 2238 |
|
讲义3-4 计算图与自动求导 |
/ | 2475 |
|
讲义4-2 动量法 |
/ | 2095 |
|
讲义4-3 自适应学习率算法 |
/ | 2233 |
|
讲义4-4 参数范数惩罚 |
/ | 2115 |
|
讲义4-1 梯度 |
/ | 2112 |
|
讲义4-5 Dropout |
/ | 2129 |
|
讲义4-5 Dropout |
/ | 2117 |
|
讲义5-1 CNN概述与基本原理 |
/ | 2185 |
|
讲义5-2 典型CNN网络 |
/ | 2102 |
|
讲义5-3 可视化卷积网络 |
/ | 2142 |
|
讲义6-1 循环序列模型 |
/ | 2084 |
|
讲义6-2 自然语言处理与词嵌入 |
/ | 2144 |
|
讲义6-3 序列模型和注意力机制 |
/ | 2174 |
|
讲义7-1 生成模型 |
/ | 2119 |
|
讲义7-2 基于能量的模型和玻尔兹曼机 |
/ | 2949 |
|
讲义7-3 受限玻尔兹曼机 |
/ | 3121 |
|
讲义7-4 自编码器和变分自编码器 |
/ | 3010 |
|
讲义7-5 生成对抗网络 |
/ | 3012 |
|
讲义7-6 DCGAN和WGAN |
/ | 2945 |
|
讲义7-7 CycleGAN原理以及代码全解析 |
/ | 2963 |
|
讲义8-1 强化学习概述 |
/ | 3145 |
|
讲义8-2 强化学习求解方法 |
/ | 3017 |
|
讲义8-3 强化学习算法分类 |
/ | 3011 |
|
讲义8-4 强化学习的代表性算法 |
/ | 2975 |
|
讲义8-5 强化学习应用 |
/ | 3001 |
|
讲义9-1 深度学习的软硬件 |
/ | 3008 |
|
讲义9-2 深度学习的框架 |
/ | 2964 |
|
讲义9-3 Tensor操作和自动求导 |
/ | 2978 |
|
讲义9-4 动态计算图和静态计算图 |
/ | 2944 |
|
讲义9-5 编写自定义数据集，数据加载器和转换 |
/ | 2936 |