课程介绍:
深度学习是一门综合性的学科,需要用到大量的数学和计算机专业的知识,而大量的数学公式和数学推导往往让初学者望而却步,知难而退。在这门课程中,我们希望能够通过尽量少的数学和公式,在讲课过程中,没有使用传统的读ppt的方式,而是通过手写板书的方式,以及实际的编程实践,让大家能够入门深度学习这门课程,培养起大家对深度学习的兴趣,并能解决一些实际的问题。
课程目录:
1_深度学习与课程介绍.mp4
2_分割超平面.mp4
3_单层感知机原始形式.mp4
4_单层感知机对偶形式.mp4
5_编程实践-python.mp4
6_一元回归.mp4
7_多元回归.mp4
8_正则化.mp4
9_向量投影解释.mp4
10_批梯度下降.mp4
11_概率解释.mp4
12_线性回归编程实践-sklearn.mp4
13_线性回归编程实践-正规方程,梯度下降.mp4
14_线性回归编程实践-boston房价数据集1.mp4
15_线性回归编程实践-boston房价数据集2.mp4
16_sigmoid函数,最大似然估计.mp4
17_广义线性模型.mp4
18_softmax多分类模型.mp4
19_softmax求导.mp4
20_编程实践1-sklearn实现逻辑回归.mp4
21_编程实践2-sgd实现逻辑回归.mp4
22_编程实践3-softmax的sklearn实现.mp4
23_编程实践4-softmax的sgd实现.mp4
24_神经元与异或问题.mp4
25_神经网络非线性能力理解.mp4
26_BP神经网络-前向传播.mp4
27_BP神经网络-反向传播.mp4
28_祝大家工作生活更上一层楼.mp4
评论0