buhanyunfei 7ee2f005cd | 1 year ago | |
---|---|---|
docs | 2 years ago | |
study-notes | 1 year ago | |
.DS_Store | 2 years ago | |
README.md | 2 years ago |
Unusual Deep learning
在线阅读:https://datawhalechina.github.io/unusual-deep-learning
近些年,以机器学习为代表的人工智能技术逐渐被大家认识并在很多方面得到普及,深度学习技术在学术界和工业界取得了广泛的成功,受到高度重视,并掀起新一轮的人工智能热潮。我们希望通过组队学习的方式,让大家更清楚的了解深度学习的理论。
本课程讲授和讨论深度学习的主要理论和关键技术,主要内容有深度学习基础、卷积神经网络、循环神经网络、深度生成模型、深度学习正则化等以及上述深度学习理论在图像、语音、自然语言处理等领域的主要应用,同时也介绍了一些新兴的深度学习模型及其应用。
通过本课程的学习,希望能够掌握深度学习的基本理论和关键技术,提高基于深度学习技术进行科学研究与应用开发的能力。
学习的先修要求:了解一些基本的机器学习算法和高数知识,不要求编程,只讲述理论。
课程内容计划分成两个阶段:
深度学习理论入门:主要介绍深度学习的基本背景和数学基础,主要介绍CNN和RNN的相关知识。
深度学习理论进阶:在第一部分的基础上延伸对神经网络的理解,并介绍一些常见的优化算法和正则化方法,以及现在很流行的注意力机制,以及深度生成模型。
案例:主要介绍深度学习的主要平台,和深度学习在CV、Speech和NLP方面的应用。
绪论与深度学习概述(视频地址:https://www.bilibili.com/video/BV1iq4y197L4?p=1)
机器学习基础
前馈神经网络 (视频地址:https://www.bilibili.com/video/BV1iq4y197L4?p=2)
卷积神经网络CNN (视频地址:https://www.bilibili.com/video/BV1iq4y197L4?p=3)
循环神经网络RNN(视频地址:https://www.bilibili.com/video/BV1iq4y197L4?p=4)
正则化方法(视频地址:https://www.bilibili.com/video/BV1iq4y197L4?p=6)
注意力机制与外部记忆
GAN
深度生成模型
深度生成模型概述
深度学习常见的平台
CV图像
Speech语音
NLP自然语言处理
中英文对照手册
专题:
成员 | 个人简介 | 个人主页 |
---|---|---|
刘洋 | DataWhale成员,中国科学院数学与系统科学研究院 | 知乎主页 公众号:鸣也的小屋 个人主页 |
扫描下方二维码关注公众号:Datawhale
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
Dear OpenI User
Thank you for your continuous support to the Openl Qizhi Community AI Collaboration Platform. In order to protect your usage rights and ensure network security, we updated the Openl Qizhi Community AI Collaboration Platform Usage Agreement in January 2024. The updated agreement specifies that users are prohibited from using intranet penetration tools. After you click "Agree and continue", you can continue to use our services. Thank you for your cooperation and understanding.
For more agreement content, please refer to the《Openl Qizhi Community AI Collaboration Platform Usage Agreement》