深度学习基础-江苏工匠课堂

客服咨询

意见反馈

终身学习智能服务

帮助中心

消息

首页课程中心在线报名政策资讯帮助中心

深度学习基础

人工智能//

0.0

分

70

视频

8.9

课时

45.00

介绍

目录

课程概述

适用对象：相关岗位员工、管理者（人工智能大数据行业）主要内容：随着人工智能的再次火热，深度学习成为其中关键技术之一，并为业界关注。本课程是一门侧重在深度学习相关理论基础的课程，并对深度学习的典型模型框架如循环神经网络、卷积神经网络等的基本原理进行了介绍。课程同时还包括若干关键内容的相关代码及运行效果演示，从而便于学员们获得理性和感性的认识。

课程目标

通过本课程的学习，学习者能够： 1、了解特征工程概念 2、掌握回归问题及正则化技术原理 3、掌握信息熵及梯度计算技术原理 4、掌握循环信息网络及其变体技术原理 5、掌握卷积神经网络、递归神经网络、生成式神经网络技术原理

考核评价

本课程主要考察：深度学习的典型模型框架如循环神经网络、卷积神经网络等的基本原理。视频学习完成后，需要进行在线考试，题型以选择和判断题为主，题目数量不超过20道，满分100分，60分通过。

详细介绍

课程属性：专业岗位技能类

第一讲深度学习概述

1.1 深度学习的引出

（1042s）

1.2 数据集及其拆分

（838s）

1.3 分类及其性能度量

（869s）

1.4 回归问题及其性能评价

（710s）

1.5 一致性的评价方法

（598s）

1.6 程序讲解：使用Sklearn进行精确率-召回率曲线的绘制

（589s）

第二讲特征工程概述

2.1 特征工程

（613s）

2.2 向量空间模型及文本相似度计算

（686s）

2.3 程序讲解：使用sklearn对文档进行向量化的实例

（349s）

2.4 程序讲解：使用sklearn进行量纲缩放的实例

（286s）

第三讲回归问题及正则化

3.1 线性回归模型及其求解方法

（722s）

3.2 多元回归与多项式回归

（680s）

3.3 损失函数的正则化

（655s）

3.4 逻辑回归

（480s）

3.5 程序讲解：使用sklearn进行线性回归和二次回归的比较的程序示例

（510s）

第四讲信息熵及梯度计算

4.1 信息熵

（909s）

4.2 反向传播中的梯度

（569s）

4.3 感知机

（682s）

4.4 程序讲解：正向传播和反向传播的程序示例

（333s）

4.5 程序讲解：信息熵和互信息的计算程序示例

（337s）

第五讲循环神经网络及其变体

5.1 循环神经网络

（648s）

5.2 长短时记忆网络

（789s）

5.3 双向循环神经网络和注意力机制

（347s）

5.4 程序讲解：循环神经网络的程序示例

（1341s）

第六讲卷积神经网络

6.1 卷积与卷积神经网络

（829s）

6.2 LeNet-5 模型分析

（820s）

6.3 程序讲解：卷积神经网络的程序示例

（1301s）

第七讲递归神经网络

7.1 情感分析及传统求解方法

（680s）

7.2 词向量

（343s）

7.3 递归神经网络及其变体

（961s）

第八讲生成式神经网络

8.1 自动编码器

（627s）

8.2 变分自动编码器

（722s）

8.3 生成对抗网络

（842s）

8.4 程序讲解：自动编码器程序示例

（1380s）

学堂在线

284

门课

54

人报名学习

推荐课程

智能制造知识

智能控制导论

虚拟现实技术及应用

小白学人工智能

机器学习概论

友情链接：中华人民共和国人力资源和社会保障部中国就业网江苏省人力资源和社会保障厅

监督管理单位：江苏省人力资源和社会保障厅     运营服务单位：杭州沃土教育科技股份有限公司     技术支持单位：浙江浙大网新软件产业集团有限公司

浙ICP备11052366号-9|广播电视节目制作经营许可证（浙）字第06609号|浙公网安备33010602010813号