课程简介
1.熟悉和掌握深度学习背后的核心原理：从矩阵运算到随机梯度下降，了解不同深度学习模型的原理与优缺点。
2.深刻理解深度学习模型的关联与逻辑关系，了解深度学习在机器视觉、自然语言处理及其他领域的应用。
3.课程将提供学员经过老师精心整理的配套学习资料和经典论文，在课程的不同阶段给学员用来复习和学习。
4.课程采用双语形式，课件为英文，用中文讲授，为直接学习国际最前沿的技术论文打下良好基础。
目标收益
培训对象
课程大纲
|
机器智能的数学 Mathematics for Machine Intelligence |
1.数与函数 Numbers and Functions 2.线性代数 Linear Algebra 3.概率与统计 Probability and Statistics |
|
广义线性模型 Generalized Linear Model |
1.线性模型 Linear Model 2.梯度下降 Gradient Descent 3.广义线性模型 Generalized Linear Model |
|
经典神经网络 Classical Neural Networks |
1.前馈网络 Feed-forward 2.反向传播 Back-propagation 3.通用函数 Universal Function |
|
卷积神经网络 Convolution Neural Networks |
1.视觉特征的卷积 Convolution of Visual Features 2.卷积网络结构与卷积技巧 CNN Structure and Conv Tricks 3.各种卷积网络: 从LeNet到ResNet CNN Variants: from LeNet to ResNet |
|
卷积网络与应用 CNN and Applications |
1.分割、识别与检测 Segmentation, Recognition and Detection 2.R-CNN、动作识别 R-CNN、Post Estimation 3.U-网络与Pix2Pix模型 U-Net and Pix2Pix Model |
|
循环神经网络 Recurrent Neural Network |
1.循环网络 Recurrent Network 2.长短记忆网络 Long Short-term Memory (LSTM) 3.神经语言模型与词嵌入 Neural Language Model and Word Embeddings 4.注意力机制 Attention Mechanism |
|
Transformer与自然语言处理 Transformer for NLP |
1.模型详解 Model Explained 2. Transformer应用 Applications of Transformer 3.深度生成模型 Deep Generative Model |
|
机器智能的数学 Mathematics for Machine Intelligence 1.数与函数 Numbers and Functions 2.线性代数 Linear Algebra 3.概率与统计 Probability and Statistics |
|
广义线性模型 Generalized Linear Model 1.线性模型 Linear Model 2.梯度下降 Gradient Descent 3.广义线性模型 Generalized Linear Model |
|
经典神经网络 Classical Neural Networks 1.前馈网络 Feed-forward 2.反向传播 Back-propagation 3.通用函数 Universal Function |
|
卷积神经网络 Convolution Neural Networks 1.视觉特征的卷积 Convolution of Visual Features 2.卷积网络结构与卷积技巧 CNN Structure and Conv Tricks 3.各种卷积网络: 从LeNet到ResNet CNN Variants: from LeNet to ResNet |
|
卷积网络与应用 CNN and Applications 1.分割、识别与检测 Segmentation, Recognition and Detection 2.R-CNN、动作识别 R-CNN、Post Estimation 3.U-网络与Pix2Pix模型 U-Net and Pix2Pix Model |
|
循环神经网络 Recurrent Neural Network 1.循环网络 Recurrent Network 2.长短记忆网络 Long Short-term Memory (LSTM) 3.神经语言模型与词嵌入 Neural Language Model and Word Embeddings 4.注意力机制 Attention Mechanism |
|
Transformer与自然语言处理 Transformer for NLP 1.模型详解 Model Explained 2. Transformer应用 Applications of Transformer 3.深度生成模型 Deep Generative Model |
近期公开课推荐