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
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
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章神经网络的引入:从线性回归到逻辑回归到神经网络
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章深度学习框架介绍与剖析
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章图像识别与卷积神经网络
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章自然语言处理与循环神经网络
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章深度学习自然语言处理最新框架与应用
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