人工智能深度学习入门视频课程

课程内容主要包括：1.神经网络必备基础；2.神经网络整体架构分析；3.动手实现神经网络模型。旨在用最形象的讲解带领大家一步步攻克复杂的神经网络模型。整体风格通俗易懂，用接地气的方式带领大家入门深度学习。用通俗易懂的讲解，一步步的带大家入门深度学习这个当今世界非常火爆的深度学习领域。

1-1 深度学习要解决的问题.mp4 21.2M

1-2 深度学习应用领域.mp4 71.3M

1-3 计算机视觉任务.mp4 17.2M

1-4 视觉任务中遇到的问题.mp4 41.1M

1-5 得分函数.mp4 17.8M

1-6 损失函数的作用.mp4 34.9M

1-7 前向传播整体流程.mp4 44.9M

2-1 梯度下降通俗解释（以线性回归算法为例，神经网络也是如此）.mp4 24.4M

2-2 参数更新方法.mp4 25.9M

2-3 优化参数设置.mp4 30.4M

2-4 返向传播计算方法.mp4 27.3M

2-5 神经网络整体架构.mp4 30.1M

2-6 神经网络架构细节.mp4 43.7M

2-7 神经元个数对结果的影响.mp4 41.8M

2-8 正则化与激活函数.mp4 26.7M

2-9 神经网络过拟合解决方法.mp4 36.7M

3-1 神经网络整体框架概述.mp4 23.3M

3-10 完成全部迭代更新模块.mp4 58.5M

3-11 手写字体识别数据集.mp4 39.6M

3-12 算法代码错误修正.mp4 53.9M

3-13 模型优化结果展示.mp4 48.9M

3-14 测试效果可视化展示.mp4 56.7M

3-2 参数初始化操作.mp4 43.2M

3-3 矩阵向量转换.mp4 32.2M

3-4 向量反变换.mp4 35.4M

3-5 完成前向传播模块.mp4 35.1M

3-6 损失函数定义.mp4 36.2M

3-7 准备反向传播迭代.mp4 30.4M

3-8 差异项计算.mp4 42.8M

3-9 逐层计算.mp4 38.6M

神经网络-代码实现.zip 5.2M

神经网络.pdf 6M

人工智能深度学习入门视频课程