玩转机器学习之神经网络，系统入门算法工程师

本站官方QQ群：116064591

PS 本站不保证资源的完整性，不对其真实性负责。请自行确认是否符合个人需求。如有介意，请勿获取。

第1章初识深度学习【8 节 | 34分钟】
- 视频：1-2 本章内容介绍 (01:19)
- 视频：1-3 神经网络&深度学习 (08:22)
- 视频：1-4 深度学习路线图 (06:07)
- 视频：1-5 深度学习应用 (08:27)
- 视频：1-6 本章总结 (01:24)
- 视频：1-7 【拓展知识】来自老司机深度学习得一些建议
- 图文：1-8 【任务题】找一篇深度学习论文粗读
第2章入门必修：单、多层感知机【17 节 | 152分钟】
- 视频：2-1 本章内容介绍 (01:28)
- 视频：2-2 深度学习实施的一般过程 (07:34)
- 视频：2-3 逻辑回归 (06:00)
- 视频：2-4 逻辑回归损失函数 (09:18)
- 视频：2-5 逻辑回归示例 (12:17)
- 视频：2-6 单层、多层感知机 (08:51)
- 视频：2-7 pytorch 构建单多层感知机 (19:53)
- 视频：2-8 基于多层DNN假钞识别 (01:43)
- 视频：2-9 数据集及特征分析 (05:49)
- 视频：2-10 项目构建和模型训练（1） (16:43)
- 视频：2-11 项目构建和模型训练（2） (14:25)
- 视频：2-12 项目构建和模型训练（3） (16:27)
- 视频：2-13 项目构建和模型训练（4） (15:58)
- 视频：2-14 模型评估和选择 (13:02)
- 视频：2-15 本章总结 (02:24)
- 图文：2-16 【拓展知识】用多层感知机回归
- 作业：2-17 【任务题】结合实际数据进行神经网络过程推理
第3章深度学习基础组件精讲【11 节 | 116分钟】
- 视频：3-1 本章内容介绍 (02:30)
- 视频：3-2 如何划分和处理你的数据集 (06:27)
- 视频：3-4 激活函数选择 (16:32)
- 视频：3-5 优化器选择 (20:00)
- 视频：3-6 Normalization 增强模型训练（上） (17:40)
- 视频：3-7 Normalization 增强模型训练（下） (15:38)
- 视频：3-8 使用正则提升模型表现 (19:13)
- 视频：3-9 本章总结 (03:40)
- 视频：3-10 【拓展知识】典型的 loss 函数
- 图文：3-11 【任务题】完善全连接网络
第4章图像处理利器：卷积神经网络【22 节 | 251分钟】
- 视频：4-1 本章内容介绍 (02:06)
- 视频：4-2 人类视觉和卷积神经网络关系 (07:46)
- 视频：4-4 卷积运算是怎样的过程（上） (15:58)
- 视频：4-5 卷积运算是怎样的过程（下） (13:56)
- 视频：4-6 用池化进行下采样 (15:54)
- 视频：4-7 几种卷积的变体（上） (15:19)
- 视频：4-8 几种卷积的变体（下） (14:49)
- 视频：4-9 利用残差搭建更深的网络 (16:30)
- 视频：4-10 Vgg介绍及实现 (24:02)
- 视频：4-11 图片的数据增广 (15:15)
- 视频：4-12 手势识别应用来源和项目分析 (06:27)
- 视频：4-13 模型设计 (08:12)
- 视频：4-14 MoocTrialNet模型搭建（1） (16:18)
- 视频：4-15 MoocTrialNet模型搭建（2） (14:04)
- 视频：4-16 MoocTrialNet模型搭建（3） (18:12)
- 视频：4-17 MoocTrialNet模型搭建（4） (17:58)
- 视频：4-18 MoocTrialNet模型搭建（5） (07:45)
- 视频：4-19 模型评估和选择 (10:09)
- 视频：4-20 本章总结 (04:22)
- 视频：4-21 【拓展知识】近年来ILSVRC上最好模型
- 图文：4-22 【任务题】独立完成一个CNN的项目
第5章为序列数据而生：RNN系列【19 节 | 191分钟】
- 视频：5-1 本章内容介绍 (02:43)
- 视频：5-2 什么是序列模型 (12:25)
- 视频：5-3 不同的RNN应用类型：OvM, MvM (04:26)
- 视频：5-4 循环神经网络原理 (19:18)
- 视频：5-5 用BPTT 训练RNN (05:06)
- 视频：5-6 两个重要的变体：LSTMGRU（上） (15:25)
- 视频：5-7 两个重要的变体：LSTMGRU（下） (14:08)
- 视频：5-8 利用双向、多层RNN增强模型 (16:02)
- 视频：5-9 典型应用范式：Encoder-Decoder (05:50)
- 视频：5-10 GRU实现唤醒词识别 (07:20)
- 视频：5-11 基于双层、双向GRU的命令词识别模型搭建（1） (16:12)
- 视频：5-12 基于双层、双向GRU的命令词识别模型搭建（2） (15:29)
- 视频：5-13 基于双层、双向GRU的命令词识别模型搭建（3） (16:52)
- 视频：5-14 基于双层、双向GRU的命令词识别模型搭建（4） (14:32)
- 视频：5-15 基于双层、双向GRU的命令词识别模型搭建（5） (09:26)
- 视频：5-16 模型评估和选择 (10:02)
- 视频：5-17 本章总结 (05:15)
- 图文：5-18 【拓展知识】序列到序列模型知识整理
- 作业：5-19 【任务题】LSTM模型搭建
第6章深度学习新思路：GAN网络【21 节 | 255分钟】
- 视频：6-1 本章内容介绍 (03:23)
- 视频：6-2 什么是生成式模型？ (12:58)
- 视频：6-3 GAN的原理（上） (12:04)
- 视频：6-4 GAN的原理（下） (11:58)
- 视频：6-5 GAN的一些变体之：CycleGAN (14:26)
- 视频：6-6 GAN的一些变体之：StyleGAN（上） (10:38)
- 视频：6-7 GAN的一些变体之：StyleGAN（下） (10:20)
- 视频：6-8 GAN的一些变体之：DCGAN (03:48)
- 视频：6-9 GAN的一些变体之：text-to-image (09:12)
- 视频：6-10 用DCGAN生成人脸照片 (04:14)
- 视频：6-11 超参和dataset编写 (28:03)
- 视频：6-12 generator编写 (28:24)
- 视频：6-13 discriminator编写 (16:01)
- 视频：6-14 trainer 编写（1） (16:39)
- 视频：6-15 trainer 编写（2） (16:28)
- 视频：6-16 trainer 编写（3） (17:05)
- 视频：6-17 trainer 编写（4） (15:08)
- 视频：6-18 怎么检查GAN的训练过程？ (19:35)
- 视频：6-19 本章总结 (04:31)
- 图文：6-20 【拓展知识】GAN在NLP、Speech中的一些应用
- 作业：6-21 【任务题】复现Gan项目
第7章赋予模型认知能力：注意力机制【24 节 | 312分钟】
- 视频：7-1 本章内容介绍 (02:28)
- 视频：7-2 什么是注意力机制？ (07:40)
- 视频：7-3 注意力机制的一般性原理 (09:31)
- 视频：7-4 几种典型的注意力机制 hard、soft、local attention (10:12)
- 视频：7-5 自注意力机制：self-attention (14:03)
- 视频：7-6 Transformer (14:03)
- 视频：7-7 用Transformer实现G2P（上） (17:42)
- 视频：7-8 用Transformer实现G2P（下） (16:21)
- 视频：7-9 g2p dataset 编写 (27:31)
- 视频：7-10 model结构和位置编码 (20:48)
- 视频：7-11 encoder (19:18)
- 视频：7-12 Multi-head attention（上） (18:23)
- 视频：7-13 Multi-head attention（下） (21:45)
- 视频：7-14 Pointwise FeedForward (06:49)
- 视频：7-15 decoder (21:52)
- 视频：7-16 transformer（上） (19:59)
- 视频：7-17 transformer（下） (06:07)
- 视频：7-18 trainer脚本编写 (12:29)
- 视频：7-19 infer推理函数编写 (13:49)
- 视频：7-20 inference和attention map展示（上） (14:15)
- 视频：7-21 inference和attention map展示（下） (12:10)
- 视频：7-22 本章总结 (03:52)
- 图文：7-23 【拓展知识】几种典型的注意力机制和原理
- 作业：7-24 【任务题】Transformer实现
第8章数据不够怎么办？迁移学习来帮忙【10 节 | 78分钟】
- 视频：8-1 本章内容介绍 (02:01)
- 视频：8-2 什么是迁移学习 (07:26)
- 视频：8-3 迁移学习分类 (11:46)
- 视频：8-4 怎么实施迁移学习？ (09:18)
- 视频：8-5 基于ResNet迁移学习的姿势识别 (09:09)
- 视频：8-6 工程代码（上） (13:16)
- 视频：8-7 工程代码（下） (11:31)
- 视频：8-8 inference (09:20)
- 视频：8-9 本章总结 (03:45)
- 图文：8-10 【拓展知识】迁移学习前沿进展
第9章深度学习新范式：半监督学习【19 节 | 202分钟】
- 视频：9-1 本章内容介绍 (02:19)
- 视频：9-2 半监督学习是什么？ (06:01)
- 视频：9-3 半监督学习能解决什么问题？ (05:30)
- 视频：9-4 几种典型的半监督学习方法（上） (13:34)
- 视频：9-5 几种典型的半监督学习方法（下） (11:44)
- 视频：9-6 在Cifar10上实现MixMatch半监督学习-论文拆解 (08:10)
- 视频：9-7 超参和dataset (09:32)
- 视频：9-8 utils编写（1） (17:59)
- 视频：9-9 utils编写（2） (17:22)
- 视频：9-10 utils编写（3） (13:33)
- 视频：9-11 utils编写（4） (09:23)
- 视频：9-12 model编写 (06:49)
- 视频：9-13 loss 编写 (08:48)
- 视频：9-14 trainer 编写（1） (15:45)
- 视频：9-15 trainer 编写（2） (14:43)
- 视频：9-16 trainer 编写（3） (17:23)
- 视频：9-17 trainer 编写（4） (20:22)
- 视频：9-18 本章总结 (02:59)
- 图文：9-19 【拓展知识】SOTA半监督学习(ImageNet)

1 本站名称：疯奇社
2 本站网址：https://www.shiyeluming.com
3 本站不保证资源的完整性，不对其真实性负责。
4 获取资源前务必确认资源目录是否包含本人需求内容，一经购买下载，则视为已确认包含，不接受任何形式的申诉与退款。
5 本站一切资源均来自于互联网，仅供大家学习与参考。如有侵权，请联系站长（QQ：1302982067）进行删除处理。
6 本站一切资源不代表本站立场，不代表本站赞同其观点，本站不对其真实性负责。
7 本站资源大多储存在云盘，如发现链接失效，请联系我们，我们会在第一时间更新。
8 根据 2002 年 1 月 1 日《计算机软件保护条例》规定：为了学习和研究软件内含的设计思想和原理，通过安装、显示、传输或者存储软件等方式使用软件的，可以不经软件著作权人许可，不向其支付报酬！

THE END