暂无课程咨询信息 [发表课程咨询]
- 最近浏览过的
- 清除历史记录
神经网络和深度学习 deeplearning.ai
- 内容简介:
- 如果你没有人工智能（AI）的专业背景却又想要涉足AI行业，那么这门微专业正适合你。现如今，深度学习工程师已经成为了非常热门的职业，掌握深度学习将会为你带来大量的工作机会。甚至可以说，深度学习是一种新兴的“超能力”，它可以能让你搭建出自己的AI系统，而这在几年前还是令人难以想象的事情。
- 价格:
- 免费
课程介绍
| 第一章 深度学习概论 | 1.1 欢迎来到深度学习 | 1.1 欢迎来到深度学习 |
| 第一章 深度学习概论 | 1.2 什么是神经网络？ | 1.2 什么是神经网络？ |
| 第一章 深度学习概论 | 1.3 用神经网络进行监督学习 | 1.3 用神经网络进行监督学习 |
| 第一章 深度学习概论 | 1.4 为什么深度学习会兴起？ | 1.4 为什么深度学习会兴起？ |
| 第一章 深度学习概论 | 1.5 关于这门课 | 1.5 关于这门课 |
| 第一章 深度学习概论 | 1.6 课程资源 | 1.6 课程资源 |
| 第二章 神经网络基础 | 2.1 二分分类 | 2.1 二分分类 |
| 第二章 神经网络基础 | 2.2 logistic 回归 | 2.2 logistic 回归 |
| 第二章 神经网络基础 | 2.3 logistic 回归损失函数 | 2.3 logistic 回归损失函数 |
| 第二章 神经网络基础 | 2.4 梯度下降法 | 2.4 梯度下降法 |
| 第二章 神经网络基础 | 2.5 导数 | 2.5 导数 |
| 第二章 神经网络基础 | 2.6 更多导数的例子 | 2.6 更多导数的例子 |
| 第二章 神经网络基础 | 2.7 计算图 | 2.7 计算图 |
| 第二章 神经网络基础 | 2.8 计算图的导数计算 | 2.8 计算图的导数计算 |
| 第二章 神经网络基础 | 2.9 logistic 回归中的梯度下降法 | 2.9 logistic 回归中的梯度下降法 |
| 第二章 神经网络基础 | 2.10 更多梯度下降法的例子 | 2.10 更多梯度下降法的例子 |
| 第二章 神经网络基础 | 2.11 向量化 | 2.11 向量化 |
| 第二章 神经网络基础 | 2.12 向量化的更多例子 | 2.12 向量化的更多例子 |
| 第二章 神经网络基础 | 2.13 向量化 logistic 回归 | 2.13 向量化 logistic 回归 |
| 第二章 神经网络基础 | 2.14 向量化 logistic 回归的梯度输出 | 2.14 向量化 logistic 回归的梯度输出 |
| 第二章 神经网络基础 | 2.15 Python 中的广播 | 2.15 Python 中的广播 |
| 第二章 神经网络基础 | 2.16 关于 python / numpy 向量的说明 | 2.16 关于 python / numpy 向量的说明 |
| 第二章 神经网络基础 | 2.17 Jupyter / Ipython 笔记本的快速指南 | 2.17 Jupyter / Ipython 笔记本的快速指南 |
| 第二章 神经网络基础 | 2.18 （选修）logistic 损失函数的解释 | 2.18 （选修）logistic 损失函数的解释 |
| 第三章 浅层次神经网络 | 3.1 神经网络概览 | 3.1 神经网络概览 |
| 第三章 浅层次神经网络 | 3.2 神经网络表示 | 3.2 神经网络表示 |
| 第三章 浅层次神经网络 | 3.3 计算神经网络的输出 | 3.3 计算神经网络的输出 |
| 第三章 浅层次神经网络 | 3.4 多个例子中的向量化 | 3.4 多个例子中的向量化 |
| 第三章 浅层次神经网络 | 3.5 向量化实现的解释 | 3.5 向量化实现的解释 |
| 第三章 浅层次神经网络 | 3.6 激活函数 | 3.6 激活函数 |
| 第三章 浅层次神经网络 | 3.7 为什么需要非线性激活函数？ | 3.7 为什么需要非线性激活函数？ |
| 第三章 浅层次神经网络 | 3.8 激活函数的导数 | 3.8 激活函数的导数 |
| 第三章 浅层次神经网络 | 3.9 神经网络的梯度下降法 | 3.9 神经网络的梯度下降法 |
| 第三章 浅层次神经网络 | 3.10 （选修）直观理解反向传播 | 3.10 （选修）直观理解反向传播 |
| 第三章 浅层次神经网络 | 3.11 随机初始化 | 3.11 随机初始化 |
| 第四章 深层神经网络 | 4.1 深层神经网络 | 4.1 深层神经网络 |
| 第四章 深层神经网络 | 4.2 前向和反向传播 | 4.2 前向和反向传播 |
| 第四章 深层神经网络 | 4.3 深层网络中的前向传播 | 4.3 深层网络中的前向传播 |
| 第四章 深层神经网络 | 4.4 核对矩阵的维数 | 4.4 核对矩阵的维数 |
| 第四章 深层神经网络 | 4.5 为什么使用深层表示 | 4.5 为什么使用深层表示 |
| 第四章 深层神经网络 | 4.6 搭建深层神经网络块 | 4.6 搭建深层神经网络块 |
| 第四章 深层神经网络 | 4.7 参数 VS 超参数 | 4.7 参数 VS 超参数 |
| 第四章 深层神经网络 | 4.8 这和大脑有什么关系？ | 4.8 这和大脑有什么关系？ |
| 【人工智能行业大师访谈】 | 深度学习教父的传奇故事——访Geoffrey Hinton | 访Geoffrey Hinton |
| 【人工智能行业大师访谈】 | 篮球运动员之梦到AI之梦——访Pieter Abbeel | 访Pieter Abbeel |
| 【人工智能行业大师访谈】 | 苹果研究总监的AI训练法——访Ruslan Salakhutdinov | 访Ruslan Salakhutdinov |
| 【人工智能行业大师访谈】 | 人脑研究到人工智能研究——访Ian Goodfellow | 访Ian Goodfellow |
| 【人工智能行业大师访谈】 | 中国人工智能路在何方——访林元庆 | 访林元庆 |
| 【人工智能行业大师访谈】 | 人工智能能够战胜人类吗？——访Andrej Karpathy | 访Andrej Karpathy |
| 【人工智能行业大师访谈】 | 神经网络巨头的学习之路——访Yoshua Bengio | 访Yoshua Bengio |
课程参数
课程评论
暂无课程评论信息 [发表课程评论]
课程咨询