| 资源(43) | 时长( 00:00:00) | 播放量(108221) |
|---|---|---|
讲义1-1 深度学习介绍 |
/ | 2213 |
|
讲义1-2 深度学习的核心思想 |
/ | 2169 |
|
讲义1-3 典型的网络结构 |
/ | 2156 |
|
讲义1-4 深度学习应用概览 |
/ | 2152 |
|
讲义2-1 数据科学简介 |
/ | 2192 |
|
讲义2-2 有监督学习 |
/ | 2158 |
|
讲义2-3 无监督学习 |
/ | 2195 |
|
讲义2-4 过拟合 |
/ | 2160 |
|
讲义2-5 模型选择 |
/ | 2146 |
|
讲义2-1 数据科学简介 |
/ | 2105 |
|
讲义3-1 神经网络与MLP |
/ | 2110 |
|
讲义3-2 神经元模型 |
/ | 2266 |
|
讲义3-3 反向传播算法 |
/ | 2279 |
|
讲义3-4 计算图与自动求导 |
/ | 2514 |
|
讲义4-2 动量法 |
/ | 2134 |
|
讲义4-3 自适应学习率算法 |
/ | 2280 |
|
讲义4-4 参数范数惩罚 |
/ | 2154 |
|
讲义4-1 梯度 |
/ | 2151 |
|
讲义4-5 Dropout |
/ | 2170 |
|
讲义4-5 Dropout |
/ | 2156 |
|
讲义5-1 CNN概述与基本原理 |
/ | 2226 |
|
讲义5-2 典型CNN网络 |
/ | 2145 |
|
讲义5-3 可视化卷积网络 |
/ | 2186 |
|
讲义6-1 循环序列模型 |
/ | 2123 |
|
讲义6-2 自然语言处理与词嵌入 |
/ | 2189 |
|
讲义6-3 序列模型和注意力机制 |
/ | 2213 |
|
讲义7-1 生成模型 |
/ | 2157 |
|
讲义7-2 基于能量的模型和玻尔兹曼机 |
/ | 3020 |
|
讲义7-3 受限玻尔兹曼机 |
/ | 3200 |
|
讲义7-4 自编码器和变分自编码器 |
/ | 3081 |
|
讲义7-5 生成对抗网络 |
/ | 3082 |
|
讲义7-6 DCGAN和WGAN |
/ | 3015 |
|
讲义7-7 CycleGAN原理以及代码全解析 |
/ | 3033 |
|
讲义8-1 强化学习概述 |
/ | 3216 |
|
讲义8-2 强化学习求解方法 |
/ | 3089 |
|
讲义8-3 强化学习算法分类 |
/ | 3087 |
|
讲义8-4 强化学习的代表性算法 |
/ | 3046 |
|
讲义8-5 强化学习应用 |
/ | 3072 |
|
讲义9-1 深度学习的软硬件 |
/ | 3080 |
|
讲义9-2 深度学习的框架 |
/ | 3035 |
|
讲义9-3 Tensor操作和自动求导 |
/ | 3045 |
|
讲义9-4 动态计算图和静态计算图 |
/ | 3014 |
|
讲义9-5 编写自定义数据集，数据加载器和转换 |
/ | 3007 |