Python 深度学习学术应用-就学培训网

课程简介

Python 深度学习学术应用：Python学术系列课程
Python深度学习学术应用
2022年新课，24小时五大主题
原理+案例+前沿进展

学习目标

掌握使用从线性回归到逻辑回归到神经网络
掌握深度学习框架介绍与剖析
掌握图像识别与卷积神经网络

学习对象和基础

想要使用Python实现深度学习的在校师生
致力于将深度学习的价值广泛运用到实际场景的商业人士

1-1线性回归模型

1-2逻辑回归模型

1-3神经网络模型

2-1什么是深度学习框架？

2-2TensorFlow

2-3Keras

2-4PyTorch

2-5Caffe

2-6Deeplearning4j

2-7五个深度学习框架之间的对比

3-1卷积神经网络的引入

3-2卷积神经网络结构

3-3常用卷积网络模型

3-4案例应用：基于卷积神经网络的数字识别和图像识别

3-5案例应用：基于卷积神经网络的人脸识

4-1循环神经网络的引入

4-2循环神经网络结构

4-3LSTM 网络结构

4-4案例应用：基于循环神经网络和 LSTM 的情感分析

5-1TextCNN 网络结构

5-2TextRNN 网络结构

5-3FastText 网络结构

5-4BiLSTM_Attention 网络结构

5-5Transformer 网络结构

5-6BERT 网络结构

5-7模型性能对比