本课程主要包括样式迁移，正向传播、反向传播和通过时间反向传播等3种传播方式，循环和多层循环神经网络及其应用讲解，词向量、深度词向量学习、seq2seq（编码器和解码器）和注意力机制等等知识，新的概念比较多，请大家耐心听下去。
- 第1章 样式迁移
- 1-1 样式迁移 （ 59:13）
- 第2章 循环神经网络
- 2-1 循环神经网络 （ 01:09:17）
- 第3章 正向传播、反向传播和通过时间反向传播
- 3-1 正向传播、反向传播和通过时间反向传播 （ 01:05:32）
- 第4章 实现、训练和应用循环神经网络
- 4-1 实现、训练和应用循环神经网络 （ 01:04:56）
- 第5章 门控循环单元（GRU）、长短期记忆（LSTM）、多层循环神经网络以及Gluon实现
- 5-1 门控循环单元（GRU）、长短期记忆（LSTM）、多层循环神经网络以及Gluon实现 （ 01:03:24）
- 第6章 词向量（word2vec）
- 6-1 词向量（word2vec） （ 01:06:52）
- 第7章 GloVe、fastText和使用预训练的词向量
- 7-1 GloVe、fastText和使用预训练的词向量 （ 01:06:32）
- 第8章 seq2seq（编码器和解码器）和注意力机制
- 8-1 seq2seq（编码器和解码器）和注意力机制 （ 01:04:40）
李沐
睿慕课学院
- 讲师简介
- 卡耐基梅隆大学计算机专业博士，曾就职于百度，担任主任架构师，现任亚马逊云计算服务平台（Amazon Web Services）首席科学家，主要研究领域为深度学习。
- 课程须知
- 1. 已学习《动手学深度学习（上）》；
2. 已学习《动手学深度学习（中）》。
- 课程目标
- 1. 学会样式迁移、传播方式；
2. 学习循环神经网络并会实践应用；
3. 学习词向量、seq2seq等知识。
