限时交易

2020-05-17 06:08 - 2020-06-20 06:08
距离抢购结束 00 00 00 00 00

Google技术团队带你用golang实践深度学习

人气 884 已有 302 人学习 分享海报

深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial

200C币 ¥599.00

课程目标:

掌握人工智能底层神经网络算法,

实现图像识别适用人群具备


golang基础课程简介


深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。


深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术。


深度学习在搜索技术,数据挖掘,机器学习,机器翻译,自然语言处理,多媒体学习,语音,推荐和个性化技术,以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动,解决了很多复杂的模式识别难题,使得人工智能相关技术取得了很大进步。

本课程主要基于golang实践深度学习底层算法








第1章深度学习概念 共5课时22分20秒

  •    免费 1深度学习数学基础 (04:02)
  •    免费 2机器学习原理 (18:18)
  •    免费 3深度学习原理 (00:00)
  •    4深度学习加法以及神经网络最优路径原理以及梯度概念 (00:00)
  •    6GPU计算简介 (00:00)
  • 第2章 深度学习-轻量级神经网络 共5课时0秒

  •    1深度学习框架简介 (00:00)
  •    2深度学习神经网络序列化 (00:00)
  •    3深度学习神经网络矩阵计算 (00:00)
  •    4.深度学习神经网络线性回归 (00:00)
  •    5实现轻量级神经网络训练 (00:00)
  • 第3章 深度学习-GoDeep实现Minist手写识别 共8课时0秒

  •    1gdeep深度学习框架介绍 (00:00)
  •    2Minst数据集简介 (00:00)
  •    3深度学习手写识别损失函数交叉嫡 (00:00)
  •    4.深度学习手写识别计算识别率 (00:00)
  •    5.深度学习手写识别根据模型计算识别率 (00:00)
  •    6.深度学习手写识别根据模型预测数据检查结果 (00:00)
  •    7深度学习手写识别模型进行图片识别 (00:00)
  •    8深度学习CPU配置信息写入 (00:00)
  • 第4章 深度学习-实现神经网络 共8课时0秒

  •    1.神经网络调用指南 (00:00)
  •    2尹成魔王亲自带你写出神经网络-神经网络架构 (00:00)
  •    3尹成魔王亲自带你写出神经网络-layer (00:00)
  •    4尹成魔王亲自带你写出神经网络-神经网络核心 (00:00)
  •    5尹成魔王亲自带你写出神经网络-损失函数 (00:00)
  •    6尹成魔王带你亲自写出神经网络-优化器 (00:00)
  •    7尹成模式带你亲自写出神经网络-训练 (00:00)
  •    8尹成魔王带你亲自写出神经网络-实现神经网络调用 (00:00)
  • 第5章 深度算法框架底层算法 共9课时0秒

  •    1weakai深度算法框架 (00:00)
  •    2尹成魔王实战拆解神经网络算法-定义神经网络 (00:00)
  •    3尹成魔王实战拆解神经网络算法-神经网络数据模型 (00:00)
  •    4尹成魔王实战拆解神经网络算法-创建神经网络 (00:00)
  •    5尹成魔王实战拆解神经网络算法-损失函数 (00:00)
  •    6尹成魔王实战神经网络算法-正向与反向传播计算权重 (00:00)
  •    7尹成魔王实战神经网络算法-实现训练与预测 (00:00)
  •    8尹成魔王实战神经网络算法-实现异或计算 (00:00)
  •    9尹成魔王实战神经网络算法-实现线性数据预测 (00:00)
  • 第6章 深度学习-图像识别-矩阵数据 共6课时0秒

  •    1.golang实现图像识别数据载入 (00:00)
  •    2golang实现图像识别-循环卷积神经网络神经网络框架搭建 (00:00)
  •    3golang实现图像识别-循环卷积神经网络实现 (00:00)
  •    4golang实现图像识别-循环卷积神经网络初始化 (00:00)
  •    5golang实现图像识别-循环卷积神经网络试下训练预测与成功率统计 (00:00)
  •    6golang深度学习图像识别-训练过程 (00:00)
  • 第7章 深度学习-1受限玻尔兹曼机神经网络 共9课时0秒

  •    1受限玻尔兹曼机神经网络 (00:00)
  •    2受限玻尔兹曼机神经网络框架搭建 (00:00)
  •    3构造首先玻尔兹曼机神经网络 (00:00)
  •    4.实现受限玻尔兹曼机的数学基础函数 (00:00)
  •    5实现受限玻尔兹曼机的单层神经网络正向传播反向传播 (00:00)
  •    6尹成魔王实战神经网络算法-正向与反向传播计算权重 (00:00)
  •    7实现首先玻尔兹曼机的训练 (00:00)
  •    8实现波尔兹曼机的构造重构 (00:00)
  •    9受限玻尔兹曼机的实现 (00:00)
  • 第8章 深度学习-DBN深度置信神经网络 共12课时0秒

  •    1DBN深度置信神经网络结构介绍 (00:00)
  •    2DBN深度置信神经网络隐藏层实现 (00:00)
  •    3DBN基础-逻辑回归神经网络 (00:00)
  •    4构造DBN神经网络并初始化 (00:00)
  •    5DBN深度置信神经网络预处理 (00:00)
  •    6DBN深度置信神经网络训练 (00:00)
  •    7DBN深度置信神经网络预测 (00:00)
  •    8DBN深度置信神经网络数据测试 (00:00)
  •    9DA神经网络构造 (00:00)
  •    10DA神经网络编码解码 (00:00)
  •    11DA神经网络训练 (00:00)
  •    12DA神经网络数据测试 (00:00)
  • 第9章 深度学习-神经网络概览 共12课时0秒

  •    1卷积神经网络-图片处理 (00:00)
  •    2人工神经网络-模拟人脑 (00:00)
  •    3单层与多层神经网络 (00:00)
  •    4Varis轻量级神经网络 (00:00)
  •    5可实现图像识别的中等神经网络 (00:00)
  •    6.前置神经网络 (00:00)
  •    7.模型神经网络 (00:00)
  •    8图像识别框架gonn (00:00)
  •    9循环神经网络与离散神经网络 (00:00)
  •    10简单多层神经网络 (00:00)
  •    11机器学习简单回顾 (00:00)
  •    12机器学习小结 (00:00)
  • 第10章 深度学习-逻辑回归逻辑回归神经网络 共6课时0秒

  •    1神经网络层原理 (00:00)
  •    2神经网络追加层 (00:00)
  •    3神经网络追加层运行 (00:00)
  •    4神经网络层的概念 (00:00)
  •    5逻辑回归神经网络实现 (00:00)
  •    6逻辑回归神经网络测试 (00:00)
  • 第11 章深度学习-神经网络延申 共16课时0秒

  •    1图像处理的运行 (00:00)
  •    2神经网络训练 (00:00)
  •    3神经网络概念 (00:00)
  •    4神经网络线性回归计算原理 (00:00)
  •    5神经网络选择原理 (00:00)
  •    6极简神经网络 (00:00)
  •    7用神经网络预测实现手写识别 (00:00)
  •    8神经网络均方与交叉嫡的实现 (00:00)
  •    9神经网络训练计算差别 (00:00)
  •    10神经网络训练过程 (00:00)
  •    11单层神经网络 (00:00)
  •    12双层神经网络实现上 (00:00)
  •    13双层神经网络实现中 (00:00)
  •    14双侧神经网络实现下 (00:00)
  •    15测试运行双层神经网络与手写识别 (00:00)
  •    16图像识别神经网络 (00:00)
  • 课程评价
    尹成
    尹成
    人气 38643 粉丝 321064
    • 评价数

      0
    • 课程数

      9
    • 学习人数

      4387
    毕业于清华大学,曾担任Google算法工程师,微软区块链领域全球最具价值专家,微软Tech Ed 大会金牌讲师。 精通C/ C++,Python ,Go语言,Sicikit-Learn与TensorFlow拥有15年编程经验与5年的教学经验,资深软件架构师,Intel软件技术专家 ,具备多年世界顶尖IT公司工作经验。

    老师还为你推荐了以下几门课程