课程目录: 深度学习基础培训
4401 人关注
(78637/99817)
课程大纲:

          深度学习基础培训

 

 

 

第一讲 深度学习概述

1.1 深度学习的引出

1.2 数据集及其拆分

1.3 分类及其性能度量

1.4 回归问题及其性能评价

1.5 一致性的评价方法

1.6 程序讲解:使用Sklearn进行精确率-召回率曲线的绘制

第一讲讲义

(附)使用Sklearn进行精确率-召回率曲线的绘制程序

第二讲 特征工程概述

2.1 特征工程

2.2 向量空间模型及文本相似度计算

2.3 特征处理(特征缩放、选择及降维)

2.4 程序讲解:使用sklearn对文档进行向量化的程序示例

2.5 程序讲解:使用sklearn进行量纲缩放的程序示例

第二讲讲义

(附)使用sklearn对文档进行向量化的程序

(附)使用sklearn进行量纲缩放的程序

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

3.2 多元回归与多项式回归

3.3 损失函数的正则化

3.4 逻辑回归

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

第三讲讲义

(附)使用sklearn进行线性回归和二次回归的比较程序

第四讲 信息熵及梯度计算

4.1 信息熵

4.2 反向传播中的梯度

4.3 感知机

4.4 程序讲解:正向传播和反向传播的程序示例

4.5 程序讲解:信息熵和互信息的计算程序示例

(附)信息熵和互信息的计算程序

第四讲讲义

第五讲 循环神经网络及其变体

5.1 循环神经网络

5.2 长短时记忆网络

5.3 双向循环神经网络和注意力机制

5.4 程序讲解:循环神经网络的程序示例

第五讲讲义

(附)循环神经网络的程序

第六讲 卷积神经网络

6.1 卷积与卷积神经网络

6.2 LeNet-5 模型分析

6.3 程序讲解:卷积神经网络的程序示例

第六讲讲义

(附)卷积神经网络的程序

第七讲 递归神经网络

7.1 情感分析及传统求解方法

7.2 词向量

7.3 递归神经网络及其变体

第八讲 生成式神经网络

8.1 自动编码器

8.2 变分自动编码器

8.3 生成对抗网络

8.4 程序讲解:自动编码器程序示例

第八讲讲义

(附)自动编码器程序