深度学习之神经网络核心原理与算法

image.webp (128.95 KB, 下载次数: 72) 下载附件   保存到相册 2025-6-9 01:13 上传

课程推荐

《深度学习之神经网络核心原理与算法》image.webp (128.95 KB, 下载次数: 72) 下载附件   保存到相册 2025-6-9 01:13 上传【技能收获】学完可掌握：核心实战技能、项目驱动学习。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（58 节）

*   1-1 课程—导学  (0742).mp4

*   1-2 课前准备  (2148).mp4

*   1-3 深度学习简介—-神经元  (1131).mp4

*   1-4 深度学习简介—-激励函数  (0733).mp4

*   1-5 深度学习简介—神经网络和深度神经网络  (0421).mp4

*   1-6 深度学习为什么这么强  (0339).mp4

*   1-7 深度学习的应用  (0227).mp4

*   2-1 网络结构  (0326).mp4

*   2-2 网络结构_代码部分  (1338).mp4

*   2-3 线性回归的训练--样本，开始训练  (0905).mp4

*   2-4 线性回归的训练--梯度下降法，一元凸函数  (0847).mp4

*   2-5 线性回归的训练--二元凸函数  (0654).mp4

*   2-6 神经网络的训练--前向传播  (0441).mp4

*   2-7 神经网络的训练--前向传播代码部分  (0727).mp4

*   2-8 神经网络的训练--反向传更新  (0535).mp4

*   2-9 神经网络的训练--反向传更新_代码部分  (1919).mp4

*   2-10 神经网络的训练--随机梯度下降  (0210).mp4

*   2-11 神经网络的训练--随机梯度下降代码部分  (0451).mp4

*   2-12 应用案例—-前馈神经网络代码的手写数字识别  (1346).mp4

*   3-1 并行计算  (0729).mp4

*   3-2 梯度消失问题  (0852).mp4

*   3-3 归一化  (0507).mp4

*   3-4 参数初始化问题  (0355).mp4

*   3-5 参数的初始化问题-代码实现  (0323).mp4

*   3-6 正则化  (1055).mp4

*   3-7 正则化-代码实现  (0153).mp4

*   3-8 学习率和dropout  (0304).mp4

*   3-9 交叉熵  (0812).mp4

*   3-10 交叉熵-代码实现  (0636).mp4

*   3-11 模型的保存和加载及代码实现  (1127).mp4

*   3-12 应用案例—-提高版本的前馈神经网络代码的手写数字识别  (1516).mp4

*   4-1 与全连接网络的对比  (0514).mp4

*   4-2 全连接层GPU实现 代码实现  (2508).mp4

*   4-3 卷积核  (0608).mp4

*   4-4 卷积层其他参数  (0446).mp4

*   4-5 池化层  (0416).mp4

*   4-6 卷积池化层 代码实现  (0616).mp4

*   4-7 典型CNN网络  (0639).mp4

*   4-8 图片识别  (0434).mp4

*   4-9 softmax  (0412).mp4

*   4-10 softmax层 代码实现  (0338).mp4

*   4-11 应用案例—-卷积神经网络代码的手写数字识别  (1805).mp4

*   5-1 tensorflow简介  (1514).mp4

*   5-2 如何选择好的框架：tensorflow的优势  (0630).mp4

*   5-3 多环境与集群支持  (0533).mp4

*   5-4 应用案例—-tensorflow版本的线性回归的实现  (1204).mp4

*   5-5 tensorboard  (0539).mp4

*   5-6 tensorboard 使用演示  (0558).mp4

*   5-7 训练模型的加载与保存  (0646).mp4

*   5-8 应用案例—-tensorflow版本的手写数字识别  (1629).mp4

*   6-1 .简介  (0357).mp4

*   6-2 .tensorflow单GPU版本上  (1219).mp4

*   6-3 .tensorflow单GPU版本下  (1113).mp4

*   6-4 tensorflow多GPU版本  (0756).mp4

*   7-1 caffe应用对比（上）  (1527).mp4

*   7-2 caffe应用对比（下）  (1301).mp4

*   7-3 keras应用对比  (1644).mp4

*   8-1 课程总结_  (0354).mp4