三个月教你从零入门人工智能，深度学习精华实践视频教程

编辑点评

系统讲解深度学习核心概念，涵盖自然语言处理、迁移学习、对抗网络等前沿技术，实战项目丰富，适合初学者及进阶者。

⭐ 编辑推荐

本教程由资深AI专家授课，深入浅出讲解深度学习，实战项目丰富，助你快速掌握人工智能。

✨ 课程亮点

课程目录

📁 章节10： 自然语言处理
64. 实例：用LSTM实现一个简单的聊天机器人-.mp4 [103.8 MB]
63. LSTM的代码实现-.mp4 [27.5 MB]
62. LSTM的简介与原理详解-.mp4 [11.7 MB]
📁 章节08： 迁移学习
57. 迁移学习的方法-.mp4 [16.6 MB]
58. 迁移学习案例分享-.mp4 [16.6 MB]
56. 迁移学习的应用-.mp4 [14.8 MB]
55. 迁移学习简介-.mp4 [12.3 MB]
📁 章节11： 无监督学习：对抗网络GAN
67. GAN的变种及应用-.mp4 [61.6 MB]
66. GAN的数学推导及代码实现-.mp4 [57.9 MB]
65. GAN的背景与应用-.mp4 [12.2 MB]
68. 实例：用GAN生成二次元萌妹子-.mp4 [33.7 MB]
📁 章节13： 实战项目演练
76. 自动创造音乐-.mp4 [64.8 MB]
74. 用户分群与偏好预测经典案例-.mp4 [57.6 MB]
75. 自动创作古诗词-.mp4 [37.7 MB]
📁 章节07： 目标检测算法的原理及应用
50. R-CNN相关算法的原理及实现（二）-.mp4 [32.4 MB]
53. SSD相关算法的原理及实现 （一）-.mp4 [46.3 MB]
52. YOLO相关算法的原理及实现（二）-.mp4 [72.1 MB]
49. R-CNN相关算法的原理及实现（一）-.mp4 [80.5 MB]
48. 目标检测算法的简介与种类-.mp4 [26.9 MB]
54. SSD相关算法的原理及实现 （二）-.mp4 [34.3 MB]
51. YOLO相关算法的原理及实现（一）-.mp4 [37.8 MB]
📁 章节06： 经典卷积神经网络及图像分类
45. GoogleNet的网络结构与实现(1)-.mp4 [66.8 MB]
41. 卷积神经网络的代码实现（2）-.mp4 [194.3 MB]
46. Resnet的网络结构及实现-.mp4 [11.1 MB]
44. Vgg的网络结构及实现-.mp4 [14.5 MB]
47. 实例：用经典的卷积神经网络cifar-10数据进行图像分类-.mp4 [67.6 MB]
42. Le-Net5的网络结构与实现-.mp4 [46.7 MB]
43. Alexnet的网络结构和实现-.mp4 [20.1 MB]
40. 卷积神经网络的代码实现（1）-.mp4 [69.1 MB]
45. GoogleNet的网络结构与实现-.mp4 [73.3 MB]
39. 卷积神经网络的背景与原理-.mp4 [34.7 MB]
📁 章节02： 深度学习入门基础知识
09. 作业讲解—如何制作自己的数据集1-.mp4 [65.1 MB]
05. Tensorflow快速入门（二）--实战演练和模型训练-.mp4 [91.0 MB]
06. Tensorflow快速入门（三）--技巧总结-.mp4 [44.7 MB]
10. 作业讲解—如何制作自己的数据集2-.mp4 [57.5 MB]
07. 深度学习数学知识一览表-.mp4 [35.9 MB]
04. TensorFlow快速入门（一）--基本概年和框架-.mp4 [74.3 MB]
03. 深度学习环境准备-.mp4 [9.1 MB]
08. 作业：实例：用自己的数据集训练模型-.mp4 [3.9 MB]
📁 章节05： 自编码Autocoder的原理及应用
36. 实例：Autoencoder与聚类结合在预测用户偏好中的应用-.mp4 [33.7 MB]
32. Autoencoder的原理与实现-.mp4 [14.3 MB]
38. 作业讲解：如何高效的运用Autoencoder降维-.mp4 [10.3 MB]
35. Autoencoder鐨勫彉绉嶏紙浜岋級-.mp4 [16.5 MB]
37. 作业：运用Autoencoder对海量数据进行降维-.mp4 [5.3 MB]
📁 章节12： 深度学习的高性能计算
72. 多机多卡的实现过程-.mp4 [65.3 MB]
69. 单机单卡的实现过程-.mp4 [11.1 MB]
73. 实例： 分布式训练实例：基于docker的分布式-.mp4 [59.1 MB]
70. 单机多卡的实现过程-.mp4 [38.2 MB]
71. 多机单卡的实现过程-.mp4 [12.2 MB]
📁 章节04： 前向传播与反向传播
26. 反向传播的原理-.mp4 [26.1 MB]
30. 作业讲解：如何写一个Autoencoder-.mp4 [26.2 MB]
28. 实例：自己手写一个完整的BP-.mp4 [24.6 MB]
29. 浣滀笟锛氬啓涓€涓狝utoencoder-.mp4 [2.8 MB]
27. 反向传播代码实现-.mp4 [7.3 MB]
25. 前向传播的代码实现-.mp4 [5.5 MB]
24. 前向传播的原理-.mp4 [7.0 MB]
📁 章节01： 什么是人工智能
1. 人工智能背景介绍-.mp4 [21.9 MB]
2. 前期环境准备-.mp4 [28.9 MB]
📁 章节03： 传统神经网络与参数理解
20. 正则化的方法(二)-.mp4 [15.1 MB]
19. 正则化的方法（一）-.mp4 [56.2 MB]
21. 实例：识别花的种类-.mp4 [25.1 MB]
11. 什么是多层感知机-.mp4 [8.1 MB]
12. 激活函数的原理、类别与实现1-.mp4 [37.8 MB]
23. 作业讲解：不同参数的改变对于准确率的变化原理-.mp4 [37.2 MB]
14. 损失函数的原理、类别与实现上-.mp4 [32.8 MB]
16. 梯度下降算法一-.mp4 [53.7 MB]
13. 激活函数的原理、类别与实现2-.mp4 [21.6 MB]
18. 学习率的设定-.mp4 [11.5 MB]
17. 梯度下降算法二-.mp4 [66.9 MB]
15. 损失函数的原理、类别与实现下-.mp4 [20.4 MB]
22. 作业：改变不同的参数，提高识别花种类的准确率-.mp4 [4.6 MB]
📁 章节09： 循环神经网络RNN
61. 实例：用RNN来做情感分析-.mp4 [67.1 MB]
59. 循环神经网络RNN的简介与原理详解-.mp4 [34.7 MB]
60. 循环神经网络RNN的代码实现-.mp4 [14.6 MB]

适合人群

• 人工智能初学者
• 深度学习爱好者
• AI从业者

🎯 学习收获

• 掌握深度学习基础
• 熟悉前沿技术
• 提升AI实战能力

🎉 祝您学习愉快！