面向医学领域的深度学习项目实战

价值498元的 面向医学领域的深度学习项目实战

课程推荐

《面向医学领域的深度学习项目实战》价值498元的 面向医学领域的深度学习项目实战【技能收获】学完可掌握：Embedding 向量检索。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（167 节）

*   1-1.课程介绍.mp4

*   1-2.1-深度学习要解决的问题.mp4

*   1-3.2-深度学习应用领域.mp4

*   1-4.3-计算机视觉任务.mp4

*   1-5.4-视觉任务中遇到的问题.mp4

*   1-6.5-得分函数.mp4

*   1-7.6-损失函数的作用.mp4

*   1-8.7-前向传播整体流程.mp4

*   1-9.8-返向传播计算方法.mp4

*   1-10.9-神经网络整体架构.mp4

*   1-11.10-神经网络架构细节.mp4

*   1-12.11-神经元个数对结果的影响.mp4

*   1-13.12-正则化与激活函数.mp4

*   1-14.13-神经网络过拟合解决方法.mp4

*   2-1.1-卷积神经网络应用领域.mp4

*   2-2.2-卷积的作用.mp4

*   2-3.3-卷积特征值计算方法.mp4

*   2-4.4-得到特征图表示.mp4

*   2-5.5-步长与卷积核大小对结果的影响.mp4

*   2-6.6-边缘填充方法.mp4

*   2-7.7-特征图尺寸计算与参数共享.mp4

*   2-8.8-池化层的作用.mp4

*   2-9.9-整体网络架构.mp4

*   2-10.10-VGG网络架构.mp4

*   2-11.11-残差网络Resnet.mp4

*   2-12.12-感受野的作用.mp4

*   3-1.PyTorch框架发展趋势简介.mp4

*   3-2.PyTorch框架发展趋势简介.mp4

*   3-3.框架安装方法（CPU与GPU版本）.mp4

*   3-4.PyTorch基本操作简介.mp4

*   3-5.自动求导机制.mp4

*   3-6.线性回归DEMO-数据与参数配置.mp4

*   3-7.线性回归DEMO-训练回归模型.mp4

*   3-8.常见tensor格式.mp4

*   3-9.Hub模块简介.mp4

*   4-1.卷积网络参数定义.mp4

*   4-2.网络流程解读.mp4

*   4-3.Vision模块功能解读.mp4

*   4-4.分类任务数据集定义与配置.mp4

*   4-5.图像增强的作用.mp4

*   4-6.数据预处理与数据增强模块.mp4

*   4-7.Batch数据制作.mp4

*   4-8.迁移学习的目标.mp4

*   4-9.迁移学习策略.mp4

*   4-10.加载训练好的网络模型.mp4

*   4-11.优化器模块配置.mp4

*   4-12.实现训练模块.mp4

*   4-13.训练结果与模型保存.mp4

*   4-14.加载模型对测试数据进行预测.mp4

*   4-15.额外补充-Resnet论文解读.mp4

*   4-16.额外补充-Resnet网络架构解读.mp4

*   5-1.医学疾病数据集介绍.mp4

*   5-2.Resnet网络架构原理分析.mp4

*   5-3.dataloader加载数据集.mp4

*   5-4.Resnet网络前向传播.mp4

*   5-5.残差网络的shortcut操作.mp4

*   5-6.特征图升维与降采样操作.mp4

*   5-7.网络整体流程与训练演示.mp4

*   6-1.语义分割与实例分割概述.mp4

*   6-2.分割任务中的目标函数定义.mp4

*   6-3.MIOU评估标准.mp4

*   7-1.Unet网络编码与解码过程.mp4

*   7-2.网络计算流程.mp4

*   7-3.Unet升级版本改进.mp4

*   7-4.后续升级版本介绍.mp4

*   8-1.医学细胞数据集介绍与参数配置.mp4

*   8-2.数据增强工具.mp4

*   8-3.Debug模式演示网络计算流程.mp4

*   8-4.特征融合方法演示.mp4

*   8-5.迭代完成整个模型计算任务.mp4

*   8-6.模型效果验证.mp4

*   9-1.deeplab分割算法概述.mp4

*   9-2.空洞卷积的作用.mp4

*   9-3.感受野的意义.mp4

*   9-4.SPP层的作用.mp4

*   9-5.ASPP特征融合策略.mp4

*   9-6.deeplabV3Plus版本网络架构.mp4

*   10-1.PascalVoc数据集介绍.mp4

*   10-2.项目参数与数据集读取.mp4

*   10-3.ASPP层特征融合.mp4

*   10-4.网络前向传播流程.mp4

*   10-5.分割模型训练.mp4

*   11-1.数据集与任务概述.mp4

*   11-2.项目基本配置参数.mp4

*   11-3.任务流程解读.mp4

*   11-4.文献报告分析.mp4

*   11-5.补充：视频数据源特征处理方法概述.mp4

*   11-6.补充：R(2plus1)D处理方法分析.mp4

*   12-1.检测任务中阶段的意义.mp4

*   12-2.不同阶段算法优缺点分析.mp4

*   12-3.IOU指标计算.mp4

*   12-4.评估所需参数计算.mp4

*   12-5.map指标计算.mp4

*   12-6.YOLO算法整体思路解读.mp4

*   12-7.检测算法要得到的结果.mp4

*   12-8.整体网络架构解读.mp4

*   12-9.位置损失计算.mp4

*   12-10.置信度误差与优缺点分析.mp4

*   13-1.V2版本细节升级概述.mp4

*   13-2.网络结构特点.mp4

*   13-3.架构细节解读.mp4

*   13-4.基于聚类来选择先验框尺寸.mp4

*   13-5.偏移量计算方法.mp4

*   13-6.坐标映射与还原.mp4

*   13-7.感受野的作用.mp4

*   13-8.特征融合改进.mp4

*   13-9.V3版本改进概述.mp4

*   13-10.多scale方法改进与特征融合.mp4

*   13-11.经典变换方法对比分析.mp4

*   13-12.残差连接方法解读.mp4

*   13-13.整体网络模型架构分析.mp4

*   13-14.先验框设计改进.mp4

*   13-15.sotfmax层改进.mp4

*   13-16.V4版本整体概述.mp4

*   13-17.V4版本贡献解读.mp4

*   13-18.数据增强策略分析.mp4

*   13-19.DropBlock与标签平滑方法.mp4

*   13-20.损失函数遇到的问题.mp4

*   13-21.CIOU损失函数定义.mp4

*   13-22.NMS细节改进.mp4

*   13-23.SPP与CSP网络结构.mp4

*   13-24.SAM注意力机制模块.mp4

*   13-25.PAN模块解读.mp4

*   13-26.激活函数与整体架构总结.mp4

*   14-1.任务与细胞数据集介绍.mp4

*   14-2.模型与算法配置参数解读.mp4

*   14-3.网络训练流程演示.mp4

*   14-4.效果评估与展示.mp4

*   14-5.细胞检测效果演示.mp4

*   15-1.知识图谱通俗解读.mp4

*   15-2.知识图谱在搜索引擎中的应用.mp4

*   15-3.知识图谱在医疗领域应用实例.mp4

*   15-4.金融与推荐领域的应用.mp4

*   15-5.数据获取分析.mp4

*   15-6.数据关系抽取分析.mp4

*   15-7.常用NLP技术点分析.mp4

*   15-8.graph-embedding的作用与效果.mp4

*   15-9.金融领域图编码实例.mp4

*   15-10.视觉领域图编码实例.mp4

*   15-11.图谱知识融合与总结分析.mp4

*   16-1.Neo4j图数据库介绍.mp4

*   16-2.Neo4j数据库安装流程演示.mp4

*   16-3.可视化例子演示.mp4

*   16-4.创建与删除操作演示.mp4

*   16-5.数据库更改查询操作演示.mp4

*   17-1.项目概述与整体架构分析.mp4

*   17-2.医疗数据介绍及其各字段含义.mp4

*   17-3.任务流程概述.mp4

*   17-4.环境配置与所需工具包安装.mp4

*   17-5.提取数据中的关键字段信息.mp4

*   17-6.创建关系边.mp4

*   17-7.打造医疗知识图谱模型.mp4

*   17-8.加载所有实体数据.mp4

*   17-9.实体关键词字典制作.mp4

*   17-10.完成对话系统构建.mp4

*   18-1.词向量模型通俗解释.mp4

*   18-2.模型整体框架.mp4

*   18-3.训练数据构建.mp4

*   18-4.CBOW与Skip-gram模型.mp4

*   18-5.负采样方案.mp4

*   18-6.额外补充-RNN网络模型解读.mp4

*   19-1.数据与任务介绍.mp4

*   19-2.整体模型架构.mp4

*   19-3.数据-标签-语料库处理.mp4

*   19-4.输入样本填充补齐.mp4

*   19-5.训练网络模型.mp4

*   19-6.医疗数据集（糖尿病）实体识别.mp4