深度學習理論入門基礎課程 中文教學版(DVD9一片裝 此片售價200元)



深度學習理論入門基礎課程中文教學版(DVD9一片裝此片售價200元)-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=軟體名稱:深度學習理論入門基礎課程中文教學版(DVD9一片裝此片售價200元)語系版本:中文教學版光碟片數:單片裝破解說明:系統支援:Windows7/8/10軟體類型:電腦教學硬體需求:PC更新日期:2024-12-28官方網站:中文網站:軟體簡介:銷售價格:$200元-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=　軟體簡介:　001-01-1.0歡迎.mp4002-02-1.1什麼是神經網絡.mp4003-03-1.2監督學習與神經網絡.mp4004-04-1.3監督學習與神經網絡.mp4005-05-1.4關於這門課.mp4006-06-1.5課程資源.mp4007-07-1.6GeoffreyHinton訪談（選修）.mp4008-08-2.1二元分類.mp4009-09-2.2邏輯回歸.mp4010-10-2.3邏輯回歸損失函數.mp4011-11-2.4梯度下降.mp4012-12-2.5導數.mp4013-13-2.6更多導數示例.mp4014-14-2.7計算圖.mp4015-15-2.8計算圖求導數.mp4016-16-2.9邏輯回歸梯度下降.mp4017-17-2.10m示例上的梯度下降.mp4018-18-2.11向量化.mp4019-19-2.12更多向量化示例.mp4020-20-2.13向量化邏輯回歸.mp4021-21-2.14向量化邏輯回歸的梯度輸出.mp4022-22-2.15Python中的廣播.mp4023-23-2.16pythonnumpy向量的註釋.mp4024-24-2.17JupyteriPython筆記本的快速瀏覽.mp4025-25-2.18邏輯回歸損失函數的解釋（選修）.mp4026-26-2.19PieterAbbeel訪談（選修）.mp4027-27-3.1神經網絡概覽.mp4028-28-3.2神經網絡的表現形式.mp4029-29-3.3計算神經網絡的輸出.mp4030-30-3.4多樣本向量化.mp4031-31-3.5向量化實現的解釋.mp4032-32-3.6激活函數.mp4033-33-3.7為什麼需要非線性激活函數.mp4034-34-3.8激活函數的導數.mp4035-35-3.9神經網絡的梯度下降.mp4036-36-3.10反向傳播的直覺（選修）.mp4037-37-3.11隨機初始化.mp4038-38-3.12IanGoodfellow訪談（選修）.mp4039-39-4.1深L層神經網絡.mp4040-40-4.2深層網絡中的正向傳播.mp4041-41-4.3正確的矩陣維數.mp4042-42-4.4為什麼深度這麼有理.mp4043-43-4.5為深層神經網絡構建模塊.mp4044-44-4.6正向和反向傳播.mp4045-45-4.7參數vs超參數.mp4046-46-4.8這與大腦的關係是什麼.mp4047-第二課1.1訓練開發測試集.mp4048-1.2偏見方差.mp4049-1.3機器學習的基本配方.mp4050-1.4正則化.mp4051-1.5為什麼正則化可以減少過擬合.mp4052-1.6正規化拋棄.mp4053-1.7理解拋棄.mp4054-1.8其他的正則化方法.mp4055-1.9歸一化輸入.mp4056-1.10梯度消失爆炸.mp4057-1.11深度網絡權值初始化.mp4058-1.12梯度的數值近似.mp4059-1.13梯度檢查.mp4060-1.14梯度檢查實施須知.mp4061-2.1小批量梯度下降.mp4062-2.2理解小批量梯度下降.mp4063-2.3指數加權平均.mp4064-2.4理解指數加權平均.mp4065-2.5指數加權平均數的偏差修正.mp4066-2.6動量梯度下降.mp4067-2.7RMSprop.mp4068-2.8適應性矩估計（Adam）算法優化.mp4069-2.9學習速率衰減.mp4070-2.10局部最優解問題.mp4071-3.1參數調整過程.mp4072-3.2使用適當的標準來選擇超參數.mp4073-3.3實踐中的超參數調整熊貓vs魚子醬.mp4074-3.4網絡中的正常化激活.mp4075-3.5將BatchNorm擬合到神經網絡中.mp4076-3.6為什麼BatchNorm有效.mp4077-3.7測試時的BatchNorm.mp4078-3.8Softmax回歸.mp4079-3.9訓練一個softmax分類器.mp4080-3.10深度學習框架.mp4081-3.11TensorFlow.mp4082-第三課01-1.1為什麼選擇ML策略.mp4083-02-1.2正交化.mp4084-03-1.3單數評價指標.mp4085-04-1.4滿足和優化指標.mp4086-05-1.5訓練開發測試分佈.mp4087-06-1.6開發和測試集的大小和指標.mp4088-07-1.7何時更改開發測試集和指標.mp4089-08-1.8為什麼選擇人類水平表現.mp4090-09-1.9可避免的偏見.mp4091-10-1.10理解人類水平表現.mp4092-11-1.11超越人類水平表現.mp4093-12-1.12提高您的模型性能.mp4094-13-1.13AndrejKarpathy訪談.mp4095-14-2.1進行誤差分析.mp4096-15-2.2清理錯誤標注的數據.mp4097-16-2.3快速構建您的第一個系統，並進行迭代.mp4098-17-2.4訓練和測試的不同分佈.mp4099-18-2.5不匹配數據分佈的偏差和方差.mp4100-19-2.6解決數據不匹配問題.mp4101-20-2.7遷移學習.mp4102-21-2.8多任務學習.mp4103-22-2.9什麼是端到端深度學習.mp4104-23-2.10是否使用端到端深度學習.mp4105-24-2.11RuslanSalakhutdinov訪談.mp4106-第四課01-1.1計算機視覺.mp4107-02-1.2邊緣探測示例.mp4108-03-1.3更多邊緣探測.mp4109-04-1.4填充.mp4110-05-1.5卷積步長.mp4111-06-1.6三維卷積.mp4112-07-1.7卷積網絡的一層.mp4113-08-1.8卷積網絡的簡單示例.mp4114-09-1.9池化層.mp4115-10-1.10CNN示例.mp4116-11-1.11為什麼用卷積.mp4117-12-2.1為什麼要進行案例研究？.mp4118-13-2.2經典網絡.mp4119-14-2.3殘差網絡.mp4120-15-2.4為什麼使用殘差網絡.mp4121-16-2.5網絡中的網絡及1x1卷積.mp4122-17-2.6初始網絡動機.mp4123-18-2.7初始網絡.mp4124-19-2.8MobileNet.mp4125-20-2.9MobileNet架構.mp4126-21-2.10EfficientNet.mp4127-22-2.11使用開放源碼.mp4128-23-2.12遷移學習.mp4129-24-2.13數據增強.mp4130-25-2.14計算機視覺狀態.mp4131-26-3.1目標定位.mp4132-27-3.2地標檢測.mp4133-28-3.3目標檢測.mp4134-29-3.4在卷積網絡上實現滑動窗口.mp4135-30-3.5邊界框預測.mp4136-31-3.6並交比.mp4137-32-3.7非極大值抑制.mp4138-33-3.8錨框.mp4139-34-3.9YOLO（YouOnlyLookOnce）算法.mp4140-35-3.10區域推薦網絡（選修）.mp4141-3.11用u-net進行語義分割.mp4142-3.12轉置卷積.mp4143-3.13u-net結構靈感.mp4144-3.14u-net結構.mp4145-36-4.1.1什麼是人臉識別.mp4146-37-4.1.2單樣本學習.mp4147-38-4.1.3孿生神經網絡.mp4148-39-4.1.4TripletLoss三元組損失.mp4149-40-4.1.5人臉驗證和二進制分類.mp4150-41-4.2.1什麼是神經風格遷移.mp4151-42-4.2.2什麼是深度卷積神經網絡學習.mp4152-43-4.2.3代價函數.mp4153-44-4.2.4內容代價函數.mp4154-45-4.2.5風格代價函數.mp4155-46-4.2.61維和3維推廣.mp4156-第四課1.1為什麼用序列模型.mp4157-1.2註釋.mp4158-1.3循環神經網絡模型.mp4159-1.4通過時間的反向傳播.mp4160-1.5不同類型的RNNs.mp4161-1.6語言模型和序列生成.mp4162-1.7對新序列的採樣.mp4163-1.8RNNs的梯度消失.mp4164-1.9門控循環單元（GRU）.mp4165-1.10長短期記憶（LSTM）.mp4166-1.11雙向RNN.mp4167-1.12深度RNNs.mp4168-2.1詞表示.mp4169-2.2使用詞嵌入.mp4170-2.3詞嵌入的性能.mp4171-2.4矩陣嵌入.mp4172-2.5學習詞嵌入.mp4173-2.6詞轉換成向量形式.mp4174-2.7負採樣.mp4175-2.8GloVe詞向量.mp4176-2.9情感分類.mp4177-2.10詞嵌入除偏.mp4178-3.1基礎模型.mp4179-3.2選擇最有可能的句子.mp4180-3.3集束搜索.mp4181-3.4細化集束搜索.mp4182-3.5集束搜索中的錯誤分析.mp4183-3.6Bleu分數（選修）.mp4184-3.7注意力模型直覺.mp4185-3.8注意力模型.mp4186-3.9語音識別.mp4187-3.10觸發詞檢測.mp4188-3.11Transformer網絡直覺.mp4189-3.12自注意力機制.mp4190-3.13多頭注意力機制.mp4191-3.14Transformer網絡.mp4192-3.15結論及感謝.mp4-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=