通俗易懂的深度学习-机器学习 /

小呆深度学习
深入解读论文,从论文出发,通过实践学习深度学习,适合深度学习爱好者以及相关的从业人员,希望可以为大家带来帮助
  • 课程目录
  • 课程介绍
  • 课时1:深度学习与课程介绍

  • 课时2:分割超平面

  • 课时3:单层感知机原始形式

  • 课时4:单层感知机对偶形式

  • 课时5:编程实践-python

  • 课时6:一元回归

  • 课时7:多元回归

  • 课时8:正则化

  • 课时9:向量投影解释

  • 课时10:批梯度下降

  • 课时11:概率解释

  • 课时12:线性回归编程实践-sklearn

  • 课时13:线性回归编程实践-正规方程,梯度下降

  • 课时14:线性回归编程实践-boston房价数据集1

  • 课时15:线性回归编程实践-boston房价数据集2

  • 课时16:sigmoid函数,最大似然估计

  • 课时17:广义线性模型

  • 课时18:softmax多分类模型

  • 课时19:softmax求导

  • 课时20:编程实践1-sklearn实现逻辑回归

  • 课时21:编程实践2-sgd实现逻辑回归

  • 课时22:编程实践3-softmax的sklearn实现

  • 课时23:编程实践4-softmax的sgd实现

  • 课时24:神经元与异或问题

  • 课时25:神经网络非线性能力理解

  • 课时26:BP神经网络-前向传播

  • 课时27:BP神经网络-反向传播

  • 课时28:祝大家工作生活更上一层楼

课程概述

深度学习是一门综合性的学科,需要用到大量的数学和计算机专业的知识,而大量的数学公式和数学推导往往让初学者望而却步,知难而退。在这门课程中,我们希望能够通过尽量少的数学和公式,在讲课过程中,没有使用传统的读ppt的方式,而是通过手写板书的方式,以及实际的编程实践,让大家能够入门深度学习这门课程,培养起大家对深度学习的兴趣,并能解决一些实际的问题。该课程为连载课程,每周更新一个课时。本课程由戎小呆和AILOB联合提供。