We're sorry this project doesn't work properly without JavaScript enabled. Please enable it to continue.
欢迎来到在线教学平台
问题答疑
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
更多
  • 扫码下载Android
  • 扫码下载iOS
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
    • 首页 - 课程列表 - 课程详情
    返回
    人工智能概论
    课程类型：选修课
    发布时间：2024-05-11 08:47:08
    主讲教师：
    课程来源：东华大学
    建议学分：0.00分
    课程编码：mk002960
    课程介绍
    课程目录
    教师团队
    {1}--第一单元绪论
    [1.2.1]--绪论 （14分钟）
    [1.2.2]--00绪论ppt中的第一个视频SGDvisualization （1分钟）
    [1.2.3]--00绪论ppt中的第二个视频NeuralNetwork3D （3分钟）
    [1.3]--新绪论 （10分钟）
    [1.4]--1.1什么是神经网络 （10分钟）
    {2}--第二单元二元分类
    [2.1]--2.1二元分类问题（binaryclassification （10分钟）
    [2.2]--2.2损失函数与代价函数 （11分钟）
    [2.3]--2.3逻辑回归中的梯度下降法 （6分钟）
    [2.4]--2.4向前传播与向后传播 （7分钟）
    [2.5]--2.5编程实现技巧（修改） （9分钟）
    [2.8.1]--01了解数据集 （12分钟）
    [2.8.2]--02数据集的标准化 （9分钟）
    [2.8.3]--03算法的理论架构 （5分钟）
    [2.8.4]--04向前传播与向后传播 （11分钟）
    [2.8.5]--05优化 （7分钟）
    [2.8.6]--06输出预测值 （4分钟）
    [2.8.7]--07综合为一个模型 （8分钟）
    {3}--第三单元多层神经网络
    [3.1]--3.1什么是神经网络 （13分钟）
    [3.10]--TheNeuralNetwork,AVisualInt （14分钟）
    [3.2]--3.2常用激活函数（修改） （11分钟）
    [3.3]--3.3激活函数的导数（修改） （2分钟）
    [3.4]--3.4神经网络向后传播时的梯度（修改） （6分钟）
    [3.5]--3.5多层神经网络（修改）2 （13分钟）
    [3.6]--3.6神经网络权重参数矩阵的随机初始化 （6分钟）
    [3.7]--3.7二元分类问题案例分析 （7分钟）
    {4}--第四单元神经网络调优（一）
    [4.1]--4.1训练集验证集测试集 （6分钟）
    [4.11]--Python-SetupVisualStudioCod （11分钟）
    [4.2]--4.2偏差（Bias）与方差（Variance）(1) （8分钟）
    [4.3]--4.3通过正则化解决过拟合问题（Regularization） （10分钟）
    [4.4]--4.4随机失活正则化（Dropout） （8分钟）
    [4.5]--4.5其他正则化方法 （5分钟）
    [4.6]--4.6输入的归一化处理 （3分钟）
    [4.7]--4.7梯度消失梯度爆炸（VanishingExploding （5分钟）
    [4.8]--4.8深度神经网络的权重初始化 （3分钟）
    {5}--第五单元神经网络调优（二）
    [5.1]--5.1小批量（minibatch）的概念 （7分钟）
    [5.2]--5.2mini-batch的作用原理 （7分钟）
    [5.3]--5.3指数加权平均（修改） （14分钟）
    [5.4]--5.4几种常见的梯度下降算法- （16分钟）
    [5.5]--5.5学习率衰减- （4分钟）
    [5.6]--5.6局部最优问题 （4分钟）
    {6}--第六单元神经网络调优（三）
    [6.1]--6.1超参数的选择 （8分钟）
    [6.2]--6.2批量归一化 （17分钟）
    [6.3]--6.3SoftMax分类器与one-hot编码（独热编码） （8分钟）
    {7}--第七单元卷积神经网络（一）
    [7.1]--7.1卷积计算的实现方式 （9分钟）
    [7.13.1]--通过anacondanavigator安装pythonpac （3分钟）
    [7.13.2]--TensorflowInstallation-Window （3分钟）
    [7.2]--7.2卷积中的填充 （5分钟）
    [7.3]--7.3带步长的卷积（stride） （3分钟）
    [7.4]--7.4立体卷积 （7分钟）
    [7.5]--7.5池化运算（pooling） （5分钟）
    [7.6]--7.6简单卷积神经网络案例分析 （9分钟）
    [7.7]--7.7LeNet卷积神经网络 （12分钟）
    [7.8]--7.8卷积神经网络的特点分析 （5分钟）
    [7.9]--7.9卷积神经网络的感受野 （8分钟）
    {8}--第八单元卷积神经网络（二）
    [8.1]--8.1两个经典网络：AlexNet与VGGNet （11分钟）
    [8.2]--8.2GoogLeNet （16分钟）
    [8.3]--8.3残差神经网络（Resnet） （16分钟）
    [8.4]--8.4迁移学习与数据增广 （7分钟）
    [8.5]--8.5空洞卷积、转置卷积以及分离卷积 （10分钟）
    [8.8]--DemoVideoCNNExplainerLearnin （3分钟）
    {9}--课程实践：Tensorflow2.0简介（一）
    [9.1]--00Anaconda-PyTorch-Tensorflow全家桶 （12分钟）
    [9.2]--01打开notebookFashionMNIST （10分钟）
    [9.3]--02Tensorflow官网教程讲解（1.12版） （41分钟）
    [9.4.1]--03PyCharm的安装 （5分钟）
    [9.4.2]--04设置PyCharm中的Interpreter （2分钟）
    [9.4.3]--04全新设置PyCharm中的Interpreter （4分钟）
    [9.5]--05序列模型简明教程 （36分钟）
    {10}--课程实践：Tensorflow2.0简介（二）
    [10.1]--00PyCharm手写字符识别 （26分钟）
    [10.2.1]--01加入验证集 （8分钟）
    [10.2.2]--01加入验证集2-糖尿病案例 （13分钟）
    [10.3]--02正则化与随机失活 （7分钟）
    [10.4]--03批量归一化 （7分钟）
    [10.5]--04早停 （6分钟）
    [10.6.1]--05Callback入门 （9分钟）
    [10.6.2]--06利用logsdictionary构造callbacks （4分钟）
    [10.7.1]--07利用callacks操控学习率的衰减 （5分钟）
    [10.7.2]--08build-inLearingRateScheduler （3分钟）
    {11}--课程实践：Tensorflow2.0简介（三）
    [11.1.1]--01数据集及模型的建立 （5分钟）
    [11.1.2]--02ModelCheckPoint参数含义 （4分钟）
    [11.1.3]--03仅保存权重 （5分钟）
    [11.1.4]--04载入权重 （1分钟）
    [11.2]--05保存和载入单一的hd5文件 （3分钟）
    [11.3]--06不使用ModelCheckPoint进行存取 （1分钟）
    [11.4.1]--08间隔几个epoch保存一次 （3分钟）
    [11.4.2]--09仅保存最佳权重 （3分钟）
    [11.5]--10保存整个模型 （5分钟）
    [11.6]--11载入ResNet50进行预测 （9分钟）
    [11.7]--12Tensorflowhub的用法 （5分钟）
    {12}--ModelZoo
    [12.1]--10.1DenseNet （8分钟）
    [12.2]--10.2EfficientNet- （6分钟）
    [12.3.1]--1 （5分钟）
    [12.3.2]--2 （17分钟）
    [12.3.3]--3 （13分钟）
    [12.4.1]-- （20分钟）
    [12.4.2]--5 （4分钟）
    [12.4.3]--6 （11分钟）
    [12.5.1]--CV27Momenta研发总监孙刚Squeezeand （30分钟）
    [12.5.2]--CV27Momenta研发总监孙刚Squeezeand （36分钟）
    {13}--一次性分类与孪生神经网络
    [13.1]--10.3一次性分类与孪生神经网络 （15分钟）
    [13.2]--12.One-shotlearningforteachi （14分钟）
    {14}--风格迁移与对抗生成
    [14.1]--10.4图像的风格迁移（styletransfer) （17分钟）
    [14.3.1]--什么是GAN生成对抗网络(深度学习)WhatisGe （4分钟）
    [14.3.2]--IntroductiontoGANs,NIPS2016 （31分钟）
    [14.3.3]--IanGoodfellowAdversarialMachi （43分钟）
    [14.3.4]--GANLecture1(2017)Introductio （0分钟）
    [14.3.5]--GANLecture2(2017)CycleGAN （20分钟）
    {15}--目标检测（一）
    [15.1]--9.1什么是目标检测 （3分钟）
    [15.2]--9.2常见基本概念 （18分钟）
    [15.3]--9.3目标检测中的区域建议（regionproposal） （12分钟）
    [15.4]--9.4R-CNN目标检测算法 （4分钟）
    {16}--目标检测（二）
    [16.1]--9.5FastR-CNN （8分钟）
    [16.2]--9.6FasterRCNN （20分钟）
    [16.3]--9.7R-FCN （12分钟）
    [16.4]--9.8YOLO （29分钟）
    [16.5]--9.9MaskR-CNN （6分钟）
    {17}--结语
    [17.1.1]--00HowIWouldLearnDataScience （9分钟）
    [17.1.2]--01DataScienceAdviceforColleg （11分钟）
    [17.1.3]--02TheBestFreeDataScienceCou （6分钟）
    [17.2.1]--StanfordCS230DeepLearningAut （0分钟）
    [17.2.2]--沈向洋博士514直播“Youarehowyouread （51分钟）
    京ICP备20031688号 　|　 京公网安备 11011502004263 　 |　 教APP备1102393号
    友情链接
    常见问题
    关于我们
    联系方式
    昆明传媒学院——在线教学平台
    地址 :云南省昆明市呈贡区七甸广博路57号
    网络中心电话：0871-68876477
    教务处电话：0877-68876474