Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

XuetangX

深度学习

Beijing Jiaotong University via XuetangX

Overview

本课程主要面向计科、人工智能及物联网专业的本科生,讲述深度学习基本概念、经典深度学习模型及其实践,主要内容包括前馈神经网络、深度模型优化与正则化、卷积神经网络、循环神经网络等,并介绍深度学习框架的编码实现和参数优化方法。本课程注重理论学习与实践应用的结合,除了课堂讲授之外,还将通过实践环节引导学生使用深度学习平台或工具,让学生通过实际应用来加深对理论的理解。

Syllabus

  • 绪论
    • 人工智能和机器学习概述
    • 神经网络和深度学习概述
    • 昇腾、MindSpore简介
  • 基础知识
    • 机器学习基本概念
    • 数学基础
    • 常用模型
  • 深度前馈网络
    • 人工神经网络
    • 一个解决异或问题的简单网络
    • 神经网络结构
    • 前馈神经网络
    • 反向传播算法
    • 自动梯度计算
    • 神经网络参数优化的主要问题
    • 自动微分的MindSpore代码示例
  • 深度模型优化与正则化
    • 网络优化
    • 小批量梯度下降
    • 学习率与梯度优化
    • 参数初始化与数据预处理
    • 逐层归一化
    • 超参数优化
    • 过拟合与正则化
    • 模型训练的MindSpore代码示例
  • 卷积神经网络(1)
    • 卷积运算
    • 卷积的动机:稀疏交互、参数共享、平移不变性
    • 池化
    • 卷积神经网络
  • 卷积神经网络(2)
    • 参数学习
    • 其他卷积方式:转置、空洞
    • 典型网络简介
    • 卷积神经网络的MindSpore代码示例
  • 循环神经网络(1)
    • 网络记忆能力
    • 循环神经网络(Recurrent Neural Network)
    • 随时间反向传播(BPTT)
    • 双向循环神经网络
  • 循环神经网络(2)
    • 长程依赖问题
    • 长短期记忆网络(LSTM)
    • 门控循环神经网络(GRU)
    • 深层循环神经网络
    • 循环神经网络的MindSpore代码示例
  • 期末考试

    Taught by

    Zhang Chunjie

    Tags

    Reviews

    Start your review of 深度学习

    Never Stop Learning.

    Get personalized course recommendations, track subjects and courses with reminders, and more.

    Someone learning on their laptop while sitting on the floor.