|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/the-complete-deep-learning-course/
课程评论：没有评论
课程名称：深度学习导论 概述：本课程旨在教授深度学习和神经网络的基本算法，适合初学者到高级水平的学习者。无论你是计算机科学专业的学生，工程学生，还是热爱人工智能的程序员，这门课程都将帮助你深入理解深度学习的基础知识，并提升到专业水平。课程将重点关注当前深度学习算法和模型的理论方面。 课程内容： 第一部分：机器学习与深度学习简介 - 第一讲：深度学习简介 - 深度学习的简史 - 动机 - 第二讲：什么是机器学习？ - 机器学习的定义 - 传统编程与机器学习的区别 - 人工智能、机器学习与深度学习的关系 - 第三讲：机器学习的类型 - 监督学习、无监督学习和强化学习 - 分类与回归 - 聚类和降维 - 第四讲：机器学习与深度学习的应用 - 第五讲：构建机器学习系统的步骤 - 数据收集、特征提取、建模、估计和验证 - 例如，如何开发图像分类系统 - 第六讲：K近邻（KNN）模型 第二部分：线性回归 - 第七讲：单变量线性回归 - 第八讲：成本函数直观 - 第九讲：梯度下降算法 - 第十讲：多变量线性回归 第三部分：逻辑回归 - 第十一讲：逻辑回归介绍 - 第十二讲：成本函数 - 第十三讲：多分类分类 第四部分：神经网络 - 第十四讲：神经网络介绍（部分1） - 神经网络的定义 - 人工神经元 - 激活函数的类型 - 第十五讲：神经网络介绍（部分2） - 神经网络架构 - 单个神经元/神经网络的能力 - 多层神经网络 - Softmax激活函数 - 第十六讲：生物神经网络 本课程没有具体的教学大纲。
كورس لتعليم اساسيات خوارزميات التعلم العميق والشبكات العصبية وتعلم الاله للمبتدئين وحتى المستوى المتقدمسواء كنت طالباً فى علوم الحاسب او طالباً فى الهندسة أو مبرمجاً وتعشق مجال الذكاء الاصطناعى , فإن هذا الكورس سيساعدك علي فهم أساسيات التعلم العميق و الوصول إلى مستوى محترف وسوف يركز هذا الكورس على الجوانب النظرية وراء الخوارزميات والنماذج المنتشره هذه الايام للتعلم العميقThis course is focus on the theoretical aspects of the recent deep learning methods.Section 1: Introduction to Machine learning & Deep learning Lecture 1: Introduction to Deep learning · Brief history of Deep learning · Motivation Lecture 2: What is Machine Learning? · Machine leaning Definition · Traditional Programming vs Machine learning · AI vs Machine learning vs Deep learning Lecture 3: Types of Machine Learning · Supervised, unsupervised, and reinforcement learning · Classification vs Regression · Clustering and dimensionality reduction Lecture 4: Machine Learning & Deep learning Applications Lecture 5: Steps to Build a Machine Learning System · Data collection, feature extraction, modelling, estimation, and validation. · for example, how to develop an image categorization system. Lecture 6: K-Nearest Neighbors (KNN) ModelSection 2: Linear Regression Lecture 7: Univariate Linear Regression Lecture 8: Cost Function Intuition Lecture 9: Gradient Descent Algorithm Lecture 10: Linear Regression with Multiple VariablesSection 3: Logistic Regression Lecture 11: Introduction to Logistic Regression Lecture 12: Cost function Lecture 13: Multi-Class ClassificationSection 4: Neural Networks Lecture 14: Introduction to Neural Networks Part 1 · Definition of Neural Networks · Artificial Neuron · Types of Activation Functions Lecture 15: Introduction to Neural Networks Part 2 · Neural Network Architectures · Capacity of Single Neuron/Neural Network · Multi-layer Neural Networks · Softmax Activation Function Lecture 16: Biological Neural Networks
