黄金会员免费- 第1章 深度学习在图像检测与识别领域的发展与应用
-
1-1 主题内容简介
（
05:51）
免费试看
-
1-2 传统图像检测与识别算法
（
24:58）
免费试看
-
1-3 深度学习算法
（
11:48）
免费试看
-
1-4 卷积神经网络
（
20:48）
免费试看
-
1-5 基于CNN的图像检测和识别算法
（
17:27）
免费试看
-
1-6 关键技术总结及后期内容预告
（
09:09）
免费试看
- 第2章 机器学习与人工智能基础
- 2-1 什么是机器学习和人工智能、深度学习介绍 （ 32:05）
- 2-2 深度学习基础知识-线性代数 （ 38:40）
- 2-3 深度学习基础知识-概率论 （ 20:34）
- 2-4 深度学习基础知识-最优化理论 （ 22:48）
- 2-5 课后习题及作业提交 （ 14:15）
- 第3章 机器学习基础
- 3-1 有监督学习、无监督学习、强化学习等概念 （ 29:19）
- 3-2 模型的概念、模型的表达能力、泛化能力、过拟合、欠拟合 （ 41:56）
- 3-3 数据集、参数与超参 （ 05:52）
- 3-4 线性可分支持向量机（SVM 为例） （ 23:29）
- 3-5 课后习题及作业提交 （ 13:41）
- 第4章 深度学习方法
- 4-1 深度学习方法内容概述 （ 05:16）
- 4-2 神经网络模型 （ 28:49）
- 4-3 误差前向传播与梯度逆向传播 （ 13:59）
- 4-4 深度学习常用的正则项 （ 26:43）
- 4-5 深度学习模型的挑战 （ 21:35）
- 4-6 课后习题 （ 05:18）
- 第5章 卷积网络
- 5-1 卷积操作：滤波、分频等应用 （ 20:21）
- 5-2 使用卷积的动机 （ 20:20）
- 5-3 池化：池化的物理意义 （ 20:34）
- 5-4 卷积操作的变形 （ 08:58）
- 5-5 卷积的反向传递 （ 03:58）
- 5-6 快速卷积算法 （ 06:54）
- 5-7 课后习题 （ 09:42）
- 第6章 工程应用
- 6-1 主要内容 （ 07:03）
- 6-2 基础模型的选择 （ 27:40）
- 6-3 模型调优 （ 42:44）
- 6-4 常见框架介绍 （ 23:16）
- 6-5 模型简化与加速 （ 10:57）
- 6-6 实例（人脸识别为例） （ 06:57）
- 第7章 课程总结
- 7-1 课程总结 （ 53:07）
讲师提示
卢庆博
中国科技大学博士
- 讲师简介
- 中国科学技术大学博士，中国科学院院长奖获得者，现就职于国内一家智能设备龙头公司，多年从事图像处理、机器学习方向的研究及工作，数篇论文发表于 IEEE Transactions on Image Proccesing, Information theory 等国际顶级期刊。 研究方向包括：图像处理、计算摄影学、机器学习等。
- 课程须知
- 1. 本课程适合深度学习与模式识别领域的从业者，包括相关专业学生、工程师等群体。
2. 一定的数学基础（线性代数、优化理论等），对图像识别、图像处理等领域有相关经验
3. 课程ppt提前公开给学员，便于课前预习
4. 课后向学员公开课程源代码，便于课后练习
5. 课程助教tony微信（Snow_Birdy）。
- 课程目标
- 1. 学到深度学习的理论基础，深度学习调参过程中的常用技巧和注意事项，落地一个深度学习项目需要注意的关键事项和风险点控制。
2. 通过该课程之后，同学就可以尝试从通用模型开始着手，训练深度学习方面的能力，做一些酷炫的demo，拓展研究和产品思路。
