观看记录
课程目录
APP下载
搜索
首页
课程栏目
大学课程
讲座系列
小学课程
初中教学
高中课程
考研课程
外语课程
资格考试
计算机课程
职业培训
医学视频
文化艺术
军事天地
农业技术
历史地理
其它系列
体育课程
初、高中名师课程
APP下载
观看记录
首页
»
大学课程
»
人工智能
»
2026【吴恩达深度学习课程】deeplearning.ai(coursera)
正在播放:
正在加载播放地址...
报错
联系本站
高清播放
上一讲
下一讲
课程目录
1·0_欢迎
2·1_神经网络基础概念
3·2_神经网络监督学习
4·3_深度学习崛起原因
5·4_课程介绍
6·5_Geoffrey Hinton访谈
7·6_二分类
8·7_逻辑回归
9·8_逻辑回归损失函数
10·9_梯度下降
11·10_导数计算
12·11_更多导数示例
13·12_计算图
14·13_计算图导数计算
15·14_逻辑回归梯度下降
16·15_多样本梯度下降
17·16_向量化
18·17_更多向量化示例
19·18_逻辑回归向量化
20·19_逻辑回归梯度向量化
21·20_Python广播机制
22·21_Python-Numpy向量注意事项
23·22_Jupyter-IPython笔记本快速指南
24·23_逻辑回归损失函数解析(可选)
25·24_Pieter Abbeel访谈
26·25_神经网络概览
27·26_神经网络表示方法
28·27_神经网络输出计算
29·28_多样本向量化
30·29_向量化实现解析
31·30_激活函数
32·31_非线性激活必要性
33·32_激活函数导数
34·33_神经网络梯度下降
35·34_反向传播直观理解(可选)
36·35_随机初始化
37·36_Ian Goodfellow访谈
38·37_深度L层神经网络
39·38_深度网络前向传播
40·39_矩阵维度匹配
41·40_深度表示优势
42·41_深度神经网络构建模块
43·42_前向与反向传播
44·43_参数与超参数
45·44_与大脑的关联性
46·0_训练集-验证集-测试集
47·1_偏差与方差
48·2_机器学习基础流程
49·3_正则化
50·4_正则化缓解过拟合机理
51·5_Dropout正则化
52·6_理解Dropout
53·7_其他正则化方法
54·8_输入归一化
55·9_梯度消失与爆炸
56·10_深度网络权重初始化
57·11_梯度数值逼近
58·12_梯度检验
59·13_梯度检验实现要点
60·14_Yoshua Bengio访谈
61·15_小批量梯度下降
62·16_理解小批量梯度下降
63·17_指数加权平均
64·18_理解指数加权平均
65·19_指数加权平均偏差修正
66·20_动量梯度下降
67·21_RMSProp优化
68·22_Adam优化算法
69·23_学习率衰减
70·24_局部最优问题
71·25_林元庆访谈
72·26_调参流程
73·27_超参数尺度选择
74·28_超参数调优实践-熊猫策略vs鱼子酱策略
75·29_网络激活归一化
76·30_整合批量归一化到神经网络
77·31_批量归一化原理
78·32_测试阶段的批量归一化
79·33_Softmax回归
80·34_训练Softmax分类器
81·35_深度学习框架
82·36_TensorFlow
83·0_机器学习策略意义
84·1_正交化原则
85·2_单一评估指标
86·3_满足指标与优化指标
87·4_训练-验证-测试集分布
88·5_验证集和测试集规模
89·6_何时调整评估指标与数据集
90·7_人类水平性能意义
91·8_可避免偏差
92·9_理解人类水平性能
93·10_超越人类水平表现
94·11_提升模型性能
95·12_Andrej Karpathy访谈
96·13_误差分析实践
97·14_清理错误标注数据
98·15_快速构建初始系统并迭代
99·16_跨分布训练与测试
100·17_数据分布不匹配的偏差与方差
101·18_解决数据不匹配
102·19_迁移学习
103·20_多任务学习
104·21_端到端深度学习定义
105·22_端到端深度学习适用性
106·23_Ruslan Salakhutdinov访谈
107·0_计算机视觉
108·1_边缘检测示例
109·2_更多边缘检测
110·3_填充
111·4_步长卷积
112·5_三维卷积
113·6_卷积网络单层结构
114·7_简单卷积网络示例
115·8_池化层
116·9_卷积神经网络实例
117·10_卷积的优势
118·11_Yann LeCun访谈
119·12_案例研究的价值
120·13_经典网络架构
121·14_残差网络
122·15_残差网络原理
123·16_网络中的网络与1x1卷积
124·17_Inception网络动机
125·18_Inception网络
126·19_移动网络
127·20_MobileNet架构
128·21_高效网络
129·22_使用开源实现
130·23_迁移学习
131·24_数据增强
132·25_计算机视觉现状
133·26_目标定位
134·27_关键点检测
135·28_目标检测
136·29_滑动窗口的卷积实现
137·30_边界框预测
138·31_交并比
139·32_非极大值抑制
140·33_锚框
141·34_YOLO算法
142·35_区域建议(可选)
143·36_U-Net语义分割
144·37_转置卷积
145·38_U-Net架构原理
146·39_U-Net架构
147·40_人脸识别原理
148·41_单样本学习
149·42_孪生网络
150·43_三元组损失
151·44_人脸验证与二元分类
152·45_神经风格迁移原理
153·46_深度卷积网络学习特征
154·47_损失函数
155·48_内容损失函数
156·49_风格损失函数
157·50_一维与三维推广
158·0_序列模型意义
159·1_符号表示
160·2_循环神经网络模型
161·3_时间反向传播
162·4_不同类型的RNN
163·5_语言模型与序列生成
164·6_新序列采样
165·7_RNN梯度消失
166·8_门控循环单元(GRU)
167·9_长短期记忆网络(LSTM)
168·10_双向RNN
169·11_深度RNN
170·12_词表示
171·13_词嵌入应用
172·14_词嵌入特性
173·15_嵌入矩阵
174·16_词嵌入学习
175·17_Word2Vec
176·18_负采样
177·19_GloVe词向量
178·20_情感分类
179·21_词嵌入去偏
180·22_基础模型
181·23_选择最可能句子
182·24_束搜索
183·25_束搜索优化
184·26_束搜索误差分析
185·27_BLEU分数(可选)
186·28_注意力机制原理
187·29_注意力模型
188·30_语音识别
189·31_唤醒词检测
190·32_Transformer网络原理
191·33_自注意力机制
192·34_多头注意力
193·35_Transformer网络
194·36_总结与致谢
课程评论
发表评论
最新评论
正在加载评论...
最新课程
推荐课程
课程简介
九年级物理最强大合集
内容简介: 九年级物理最强大合集是一套系统化、全面覆盖新教..
【全60集】【叫叫识字大冒险】幼小衔接趣味识字人动画,每天10分钟,轻松掌握360字
内容简介:【全60集】【叫叫识字大冒险】幼小衔接趣味识字人..
2026【吴恩达深度学习课程】deeplearning.ai(coursera)
内容简介:2026【吴恩达深度学习课程】deeplearn..
小鹿姐姐 早教启蒙儿歌
内容简介: 课程概述:《小鹿姐姐 早教启蒙儿歌》是一套专为..
高中化学-物质结构、元素周期律 基础与解法全集
内容简介: 课程概述:高中化学-物质结构、元素周期律 基..
高中化学-铁及其化合物专题讲解
内容简介:高中化学-铁及其化合物专题讲解是一门针对高中化..
中考化学之酸碱盐专题讲解
课程简介 中考化学酸碱盐专题系统精讲课程,聚焦初中化学重..
小学三年级语文上册课文讲解
2012北师大版小学三年级语文上册教学视频 坐在家里上名..
【袁阔成】《三国演义》评书全套
内容简介:【袁阔成】《三国演义》评书全套是一部以东汉末年至..
【纪录片】不可思议的动物
《不可思议的动物》(Animal Impossible):..
净空法师《大乘无量寿经》600集-音频版
諸位法師,諸位同學,請坐。請看《大乘無量壽經解》第三百零七..
净空法师《大乘无量寿经》视频讲座
&..
净空法师-无量寿经600讲
内容简介: 净空法师-无量寿经600讲是一门系统讲解《无量..
徐小湛《高等数学》138讲教学视频
&..
小学一年级数学动画版讲解
以下是小学一年级数学常见的课程内容:上册数一数:通过观察和..
(清华附小)一年级数学(上册)同步辅导课程
一年级数学(上册)同步辅导课程一、课程概述本课程是专门为一..
内容简介:2026【吴恩达深度学习课程】deeplearning.ai(coursera)是一门系统性、全面性的深度学习入门与进阶课程,由人工智能领域权威专家吴恩达亲自设计并授课。课程内容覆盖了从神经网络基础概念到深度学习前沿技术的完整知识体系,适合对人工智能和机器学习感兴趣的学习者。课程目录包含194个章节,涵盖了神经网络、优化算法、正则化、计算机视觉、自然语言处理等多个核心领域,为学员提供了扎实的理论基础和丰富的实战经验。
课程概述
本课程由全球知名的deeplearning.ai平台推出,旨在帮助学习者掌握深度学习的核心原理和应用方法。课程以实践为导向,结合大量代码示例和项目练习,使学员能够快速上手并应用于实际场景。课程不仅讲解了神经网络的基础知识,还深入探讨了深度学习在计算机视觉、自然语言处理等领域的应用,帮助学习者构建完整的知识体系。
课程总节数与整体课程时长
本课程共分为194个章节,涵盖从基础到高级的多个主题。每个章节均配有详细的讲解视频和配套练习题,确保学习效果。课程总时长约为30小时,适合在职人士、学生及人工智能爱好者利用碎片时间进行系统学习。
学习后能力提升价值
完成本课程后,学习者将具备独立构建和训练深度学习模型的能力,掌握包括逻辑回归、神经网络、卷积神经网络、循环神经网络等多种模型的应用技巧。同时,课程还介绍了多种优化算法和正则化方法,帮助学员解决实际中遇到的过拟合、梯度消失等问题。
明确学习目标
本课程的目标是让学习者掌握深度学习的基本概念、算法原理和实际应用,能够独立开发和优化深度学习模型,并理解其在不同领域的适用性和局限性。
精准适用人群
本课程适用于对人工智能和机器学习感兴趣的初学者、希望转行进入AI行业的从业者,以及希望提升自身技能的专业人士。无论是否有编程基础,都能通过本课程找到适合自己的学习路径。
完整课程大纲
课程大纲从基础概念开始,逐步深入至深度学习的核心技术,涵盖神经网络结构、优化算法、正则化方法、计算机视觉、自然语言处理等多个方向。课程内容详实,逻辑清晰,适合系统学习和长期复习。
热门课程
【袁阔成】《三国演义》评书全套
【纪录片】不可思议的动物
净空法师《大乘无量寿经》600..
净空法师《大乘无量寿经》视频讲..
净空法师-无量寿经600讲
徐小湛《高等数学》138讲教学..
小学一年级数学动画版讲解
(清华附小)一年级数学(上册)..
青少年必看《跟着书本去旅行》8..
(苏教版)二年级数学上、下册课..
×
课程搜索框
课程搜索:
最新评论