大家好!狗熊会公众号将陆续推出深度学习系列的推文,旨在帮助大家了解和学习当下火热的深度学习技术的基本原理、实践项目、一些优秀的开源深度学习框架以及工业生产环境下的深度学习项目是如何打通数据和价值之间关系的。
而对于阅读深度学习系列文章的广大数据爱好者而言,小编希望大家能有一些机器学习基础,而且小编不会去刻意用很多通俗的语言去描述数学和计算机科学相关的术语和概念,当然小编也会尽力把主要的知识点说的够敞亮,希望大家理解。
第1讲:深度学习简介和感知机原理与实现
第2讲:神经网络的过拟合与正则化
第3讲:深度学习优化算法之从SGD到Adam
第4讲:写一篇人人都能看得懂得卷积神经网络
第5讲:CNN的图像学习过程与简单示例
第6讲:CNN图像分类发家史之从LeNet5到ResNet
第7讲:CNN目标检测发家史之从R-CNN到yolo
第8讲:CNN图像分割发家史之从FCN到u-net
第9讲:迁移学习-理论与实践
第10讲:序列模型:RNN循环神经网络
第11讲:写一篇人人都能看得懂得LSTM
第12讲:自然语言处理与词向量
第13讲:word2vec词向量
第14讲:词向量的训练与应用
第15讲:seq2seq与注意力机制模型
第16讲:语音识别——一份简短的技术综述
第17讲:深度生成模型之自编码器(AutoEncoder)
第18讲:深度生成模型之生成式对抗网络(GAN)
第19讲:神经风格迁移、强化学习与胶囊网络
第20讲:再谈三大深度学习框架TensorFlow、Keras和PyTorch
总结
鲁伟,狗熊会人才计划一期学员。目前在杭州某软件公司从事数据分析和深度学习相关的研究工作,研究方向为贝叶斯统计、计算机视觉和迁移学习。
识别二维码,查看作者更多精彩文章
识别下方二维码成为狗熊会会员!
友情提示:
个人会员不提供数据、代码,
视频only!
个人会员网址:http://teach.xiong99.com.cn