亚洲情a成黄在线观看动漫,国产一级婬片A视频免费观看

深度學(xué)習(xí)及其應(yīng)用第11次開課中

來源: 趙衛(wèi)東/

復(fù)旦大學(xué)

2923

2021-05-08 10:29:26

2024-04-26

歡迎推薦學(xué)生參與：https://www.icourse163.org/course/FUDAN-1205806833

深度學(xué)習(xí)公益課程，配套全套的PPT、視頻,、Python程序,、數(shù)據(jù)、習(xí)題,、理論與實訓(xùn)教材等，歡迎指導(dǎo)

本課程主要介紹深度學(xué)習(xí)的基本原理、卷積神經(jīng)網(wǎng)絡(luò),、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò),、注意力機制,、Transformer、BERT等基本方法及其典型應(yīng)用領(lǐng)域,，并借助機器學(xué)習(xí)開源框架TensorFlow實現(xiàn)深度學(xué)習(xí)在證券趨勢預(yù)測,、聲音質(zhì)量評價,、電子推薦、目標(biāo)檢測,、社交網(wǎng)絡(luò)情感分析等多個典型領(lǐng)域的應(yīng)用,。

課程大綱

神經(jīng)網(wǎng)絡(luò)基礎(chǔ)

理解前饋神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、梯度下降法以及網(wǎng)絡(luò)訓(xùn)練調(diào)優(yōu)的基本方法,，并能應(yīng)用前饋神經(jīng)網(wǎng)絡(luò)解決實際問題,。建議5個學(xué)時。

課時

1.1 神經(jīng)網(wǎng)絡(luò)簡介

1.2 BP神經(jīng)網(wǎng)絡(luò)

1.3 銀行客戶流失預(yù)測

1.4 銀行客戶流失實驗

1.5 新聞分類實驗

1.6 阿里云天池AI實驗平臺簡介

深度學(xué)習(xí)在人工智能中的應(yīng)用

通過眾多的案例,，了解深度學(xué)習(xí)的典型應(yīng)用場景,。建議2個學(xué)時。

課時

2.1 深度學(xué)習(xí)在人工智能中的應(yīng)用（一）

2.2 深度學(xué)習(xí)在人工智能中的應(yīng)用（二）

2.3 深度學(xué)習(xí)在人工智能中的應(yīng)用（三）

2.4 深度學(xué)習(xí)在人工智能中的應(yīng)用（四）

卷積神經(jīng)網(wǎng)絡(luò)

理解卷積的內(nèi)涵,，熟悉經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),、訓(xùn)練方法以及典型場景的應(yīng)用。建議4個學(xué)時,。

課時

3.1 卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展

3.2 卷積與感受野機制

3.3 卷積的概念和特征

3.4 圖像編碼與卷積

3.5 卷積操作

3.6 卷積特征圖及計算

3.7 多通道卷積

3.8 池化操作

3.9 Lenet5卷積神經(jīng)網(wǎng)絡(luò)

3.10 完整的卷積神經(jīng)網(wǎng)絡(luò)過程

3.11 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練

3.12 圖像分類

3.13 股票預(yù)測實驗（卷積版）

3.14 手勢體識別實驗

典型卷積神經(jīng)網(wǎng)絡(luò)算法

熟悉常用的幾種卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),、訓(xùn)練方法以及典型場景的應(yīng)用。建議10個學(xué)時,。

課時

4.1 AlexNet卷積神經(jīng)網(wǎng)絡(luò)模型

4.2 VGG卷積神經(jīng)網(wǎng)絡(luò)模型

4.3 GoogLeNet卷積神經(jīng)網(wǎng)絡(luò)模型

4.4 ResNet卷積神經(jīng)網(wǎng)絡(luò)模型

4.5 動物識別實驗

4.6 顏值打分（女生版）

循環(huán)神經(jīng)網(wǎng)絡(luò)

理解循環(huán)神經(jīng)網(wǎng)絡(luò)以及變種LSTM,、GRU的結(jié)構(gòu)、訓(xùn)練方法以及典型場景的應(yīng)用,。建議6個學(xué)時,。

課時

5.1 循環(huán)神經(jīng)網(wǎng)絡(luò)基本原理

5.2 循環(huán)神經(jīng)網(wǎng)絡(luò)模型

5.3 長短期記憶神經(jīng)網(wǎng)絡(luò)模型

5.4 股票預(yù)測實驗（LSTM版）

5.5 情感識別分類實驗

目標(biāo)檢測

理解目標(biāo)檢測的羈絆概念、基本原理以及典型的目標(biāo)檢測算法,，能用這些算法于典型的應(yīng)用場景,。建議6學(xué)時。

課時

6.1 目標(biāo)檢測概況

6.2 目標(biāo)檢測的基本概念

6.3 目標(biāo)檢測發(fā)展

6.4 基于候選區(qū)域的目標(biāo)檢測

6.5 Fast R-CNN目標(biāo)檢測算法

6.9 Faster R-CNN目標(biāo)檢測算法

6.6 Yolo目標(biāo)檢測算法

6.7 目標(biāo)檢測案例解析

6.8 RetinaNet和UNet算法

6.9 物體檢測實驗

6.10 車道檢測實驗

生成對抗網(wǎng)絡(luò)

理解生成對抗網(wǎng)絡(luò)的結(jié)構(gòu),、訓(xùn)練方法以及典型場景的應(yīng)用,。建議6個學(xué)時。

課時

7.1 生成對抗網(wǎng)絡(luò)基本原理

7.2 Encoder-Decoder模型

7.2 生成對抗網(wǎng)絡(luò)算法DCGAN

7.4 生成對抗網(wǎng)絡(luò)算法應(yīng)用

7.5 手寫體生成

7.6 CycleGAN算法

7.7 WassersteinGAN算法

7.8 畫風(fēng)轉(zhuǎn)移實驗

7.9 超分辨率圖像重建實驗

注意力機制

理解注意力機制的概念,、常見的外部注意力,、自注意力以及機器翻譯等典型應(yīng)用。建議5個學(xué)時,。

課時

8.1 Seq2Seq模型

8.2 （自）注意力機制模型

8.3 Transformer模型

8.4 BERT模型

8.5 機器翻譯實驗

深度學(xué)習(xí)應(yīng)用

學(xué)會使用卷積神經(jīng)網(wǎng)絡(luò),、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)的常用算法的應(yīng)用,，解決實際問題,，并能做創(chuàng)新性的應(yīng)用。建議3個學(xué)時,。

課時

9.1 聲音質(zhì)量評價

9.2 編碼解碼器

9.3 情感識別分類

9.4 編碼解碼器實驗

9.5 性別年齡識別實驗

高級深度學(xué)習(xí)

理解強化學(xué)習(xí)的基本概念和原理,，了解強化學(xué)習(xí)的典型應(yīng)用場景,。建議2個學(xué)時。此部分由董亮老師負(fù)責(zé)講授,。

課時

10.1 強化學(xué)習(xí)

10.2 遷移學(xué)習(xí)

10.3 對偶學(xué)習(xí)

登錄用戶可以查看和發(fā)表評論，請前往登錄或注冊,。