国产亚洲AV自拍|av中文字幕一区|资源在线观看一区二区|亚洲影视久久亚洲特级性交|一级做一级a做片爱免费观看|欧美另类亚洲色婷婷精品无码|亚洲青青草免费一区|青青草免费成人网|91久久国内视频|五月天丁香久久

深度學習及其應(yīng)用即將第14次開課
來源: 趙衛(wèi)東/
復(fù)旦大學
3789
8
0
2021-05-08 10:29:26
2025-08-09

歡迎推薦學生參與：https://www.icourse163.org/course/FUDAN-1205806833

深度學習公益課程，配套全套的PPT、視頻、Python程序、數(shù)據(jù)、習題、理論與實訓(xùn)教材等，歡迎指導(dǎo)


深度學習及其應(yīng)用課程涵蓋了深度學習的核心概念和關(guān)鍵技術(shù)，包括卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、生成對抗網(wǎng)絡(luò)（GAN）、注意力機制和Transformer等。這些方法不僅構(gòu)成了深度學習的基礎(chǔ)，也被廣泛應(yīng)用于多個領(lǐng)域。課程通過使用機器學習領(lǐng)域的主流開源框架，指導(dǎo)學生如何在股票預(yù)測、人臉特征分析、目標檢測、語義分割、圖像風格轉(zhuǎn)移以及社交網(wǎng)絡(luò)情感分析等實際問題中應(yīng)用深度學習技術(shù)。通過這些實踐，學生能夠深入理解深度學習模型的工作原理，并掌握如何將這些模型應(yīng)用于解決現(xiàn)實世界的問題。有基礎(chǔ)的同學可以繼續(xù)學習實戰(zhàn)課程機器視覺與邊緣計算應(yīng)用：https://www.icourse163.org/course/FUDAN-1456632162。


課程大綱
神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
課時目標：理解前饋神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、梯度下降法以及網(wǎng)絡(luò)訓(xùn)練調(diào)優(yōu)的基本方法，并能應(yīng)用前饋神經(jīng)網(wǎng)絡(luò)解決實際問題。建議5個學時。
1.1 神經(jīng)網(wǎng)絡(luò)簡介
1.2 BP神經(jīng)網(wǎng)絡(luò)
1.3 銀行客戶流失預(yù)測
1.4 銀行客戶流失實驗
1.5 新聞分類實驗
1.6 阿里摩搭實驗平臺
深度學習在人工智能中的應(yīng)用
課時目標：通過眾多的案例，了解深度學習的典型應(yīng)用場景。建議2個學時。
2.1 深度學習在人工智能中的應(yīng)用（一）
2.2 深度學習在人工智能中的應(yīng)用（二）
2.3 深度學習在人工智能中的應(yīng)用（三）
2.4 深度學習在人工智能中的應(yīng)用（四）
卷積神經(jīng)網(wǎng)絡(luò)
課時目標：理解卷積的內(nèi)涵，熟悉經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、訓(xùn)練方法以及典型場景的應(yīng)用。建議4個學時。
3.1 卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展
3.2 卷積與感受野機制
3.3 卷積的概念和特征
3.4 圖像編碼與卷積
3.5 卷積操作
3.6 卷積特征圖及計算
3.7 多通道卷積
3.8 池化操作
3.9 Lenet5卷積神經(jīng)網(wǎng)絡(luò)—TensorFlow和MindSpore實現(xiàn)
3.10 完整的卷積神經(jīng)網(wǎng)絡(luò)過程
3.11 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練
3.12 圖像分類—TensorFlow和MindSpore實現(xiàn)
3.13 股票預(yù)測實驗（卷積版）
3.14 手勢體識別實驗
典型卷積神經(jīng)網(wǎng)絡(luò)算法
課時目標：熟悉常用的幾種卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、訓(xùn)練方法以及典型場景的應(yīng)用。建議10個學時。
4.1 AlexNet卷積神經(jīng)網(wǎng)絡(luò)
4.2 VGG卷積神經(jīng)網(wǎng)絡(luò)—TensorFlow和MindSpore實現(xiàn)
4.3 GoogLeNet卷積神經(jīng)網(wǎng)絡(luò)
4.4 ResNet卷積神經(jīng)網(wǎng)絡(luò)
4.5 SENet卷積神經(jīng)網(wǎng)絡(luò)
4.5 動物識別實驗—TensorFlow和MindSpore實現(xiàn)
4.6 顏值打分（女生版）
循環(huán)神經(jīng)網(wǎng)絡(luò)
課時目標：理解循環(huán)神經(jīng)網(wǎng)絡(luò)以及變種LSTM、GRU的結(jié)構(gòu)、訓(xùn)練方法以及典型場景的應(yīng)用。建議6個學時。
5.1 循環(huán)神經(jīng)網(wǎng)絡(luò)基本原理
5.2 循環(huán)神經(jīng)網(wǎng)絡(luò)模型——使用字符級RNN生成名稱MinSpore實現(xiàn)
5.3 長短期記憶神經(jīng)網(wǎng)絡(luò)模型
5.4 股票預(yù)測實驗（LSTM版）
5.5 情感識別分類實驗—TensorFlow和MindSpore實現(xiàn)
目標檢測
課時目標：理解目標檢測的基本概念、基本原理以及典型的目標檢測算法，能用這些算法于典型的應(yīng)用場景。在此基礎(chǔ)上可以學習目標檢測實踐課程https://www.icourse163.org/course/FUDAN-1456632162。建議6學時。本單元起為深度學習高級內(nèi)容。
6.1 目標檢測概況
6.2 目標檢測的基本概念
6.3 目標檢測發(fā)展
6.4 基于候選區(qū)域的目標檢測
6.5 Fast R-CNN目標檢測算法
6.6 Faster R-CNN目標檢測算法（MindSpore框架實現(xiàn)）
6.7 Yolov1-v5算法
6.8 目標檢測案例解析
6.9 RetinaNet和UNet算法
6.10 物體檢測實驗
6.11 車道檢測實驗
生成對抗網(wǎng)絡(luò)
課時目標：理解生成對抗網(wǎng)絡(luò)的結(jié)構(gòu)、訓(xùn)練方法以及典型場景的應(yīng)用。建議6個學時。
7.1 生成對抗網(wǎng)絡(luò)基本原理
7.2 Encoder-Decoder模型
7.2 生成對抗網(wǎng)絡(luò)算法DCGAN
7.4 生成對抗網(wǎng)絡(luò)算法應(yīng)用
7.5 手寫體生成—TensorFlow和MindSpore實現(xiàn)
7.6 CycleGAN算法
7.7 DCGAN和WGAN算法—MindSpore實現(xiàn)
7.8 畫風轉(zhuǎn)移實驗
7.9 超分辨率圖像重建實驗
注意力機制
課時目標：理解注意力機制的概念、常見的外部注意力、自注意力以及機器翻譯等典型應(yīng)用。建議5個學時。即將更新視頻。
8.1 Seq2Seq模型
8.2 （自）注意力機制模型
8.3 Transformer模型*（選讀）
8.4 BERT模型*（選讀）
8.5 機器翻譯實驗
8.6 情感分類和機器寫詩實驗—MindSpore實現(xiàn)
深度學習應(yīng)用
課時目標：學會使用卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)的常用算法的應(yīng)用，解決實際問題，并能做創(chuàng)新性的應(yīng)用。建議3個學時。深度強化學習的內(nèi)容已經(jīng)單獨成課，有興趣的學員可以訪問學堂在線的深度強化學習導(dǎo)論課程：https://www.xuetangx.com/course/fdu0809bt2074/19324384?channel=i.area.recent_search。本課程的綜合實訓(xùn)可以參考機器視覺與邊緣計算應(yīng)用課程：https://www.icourse163.org/course/FUDAN-1456632162
9.1情感識別分類
9.2 編碼解碼器實驗
登錄用戶可以查看和發(fā)表評論， 請前往  登錄 或  注冊。
SCHOLAT.com 學者網(wǎng)
免責聲明 | 關(guān)于我們 | 聯(lián)系我們
聯(lián)系我們：