慕课-西安工商学院

深度学习与应用实践_东华大学

课程类型：选修课

发布时间：2024-11-27 09:47:53

主讲教师：

课程来源：

建议学分：0.00分

课程编码：mk004783

课程介绍

课程目录

教师团队

{2}--神经网络_原理与实现

[2.1]--录课1_1神经网络_原理与实现.mp4 （14分钟）

[2.2]--录课1_2神经网络_原理与实现 (1).mp4 （25分钟）

[2.3]--录课1_3神经网络_原理与实现.mp4 （36分钟）

[2.4]--录课1_4实验环境及程序调试.mp4 （14分钟）

[2.5]--录课1_5实验指导.mp4 （12分钟）

{3}--神经网络_应用案例与调优

[3.1]--录课2_1神经网络_应用案例及调优(1).mp4 （26分钟）

[3.2]--录课2_2神经网络_应用案例及调优 (1).mp4 （17分钟）

[3.3]--录课2_3神经网络_应用案例及调优 (1).mp4 （23分钟）

[3.4]--7-2 Keras Callback.mp4 （15分钟）

[3.5]--录课2_4神经网络_应用案例及调优(3).mp4 （25分钟）

{4}--卷积神经网络_计算机视觉基础

[4.1]--录课3_1卷积神经网络_计算机视觉基础.mp4 （11分钟）

[4.2]--录课3_2卷积神经网络_计算机视觉基础.mp4 （25分钟）

[4.3]--录课3_3卷积神经网络_计算机视觉基础.mp4 （12分钟）

[4.4.1]--录课4_3卷积神经网络_预训练模型与可视化.mp4 （13分钟）

[4.4.2]--录课4_4卷积神经网络_预训练模型与可视化.mp4 （15分钟）

[4.4.3]--录课4_5卷积神经网络_预训练模型与可视化.mp4 （15分钟）

{5}--卷积神经网络_基于小数据集建模

[5.1.1]--录课3_4卷积神经网络_计算机视觉基础.mp4 （15分钟）

[5.1.2]--录课3_5卷积神经网络_计算机视觉基础.mp4 （7分钟）

[5.2]--录课3_5卷积神经网络_计算机视觉基础.mp4 （7分钟）

[5.3.1]--录课4_1卷积神经网络_预训练模型与可视化.mp4 （15分钟）

[5.3.2]--录课4_2卷积神经网络_预训练模型与可视化.mp4 （8分钟）

{6}--深度学习处理文本数据

[6.1.1]--12_1文本数据的表示方式.mp4 （14分钟）

[6.1.2]--12_2词嵌入的生成和使用.mp4 （18分钟）

[6.2]--12_3循环神经网络的基本原理.mp4 （20分钟）

[6.3]--12_4基于Keras实现RNN.mp4 （10分钟）

[6.4]--12_5音频数据处理.mp4 （9分钟）

{7}--深度学习处理时间序列数据

[7.1]--6-2-1 Time Series.mp4 （18分钟）

[7.2]--6-2-2.Model Improvement.mp4 （22分钟）

{8}--复杂网络与生成式网络

[8.1]--7-1 Keras 函数式API.mp4 （31分钟）

[8.2.1]--8-1 文本生成网络.mp4 （22分钟）

[8.2.2]--13_1文本生成.mp4 （21分钟）

[8.3.1]--13_2图像生成.mp4 （13分钟）

[8.3.2]--8-2 图像生成网络.mp4 （19分钟）

{9}--Python语言基础(补充知识)

[9.1.1]--2_11Python及开发环境简介.mp4 （6分钟）

[9.1.2]--2_12Spyder操作演示.mp4 （5分钟）

[9.1.3]--2_13Jupyter Noteboo操作演示.mp4 （8分钟）

[9.2]--2_2Python常用数据类型.mp4 （17分钟）

[9.3]--2_3Python程序结构.mp4 （16分钟）

{10}--Python多维数据结构(补充知识)

[10.1.1]--3_1Python多维数组创建与访问.mp4 （18分钟）

[10.1.2]--3_2Python多维数组运算.mp4 （11分钟）

[10.2.1]--3_3Pandas的一维数据对象Series.mp4 （10分钟）

[10.2.2]--3_4Pandas的二维数据对象DataFrame.mp4 （14分钟）

[10.3]--3_5数据文件读写与统计分析.mp4 （14分钟）

[10.4]--3_6数据可视化.mp4 （16分钟）

{11}--机器学习(补充知识)

[11.1]--5_1机器学习概述.mp4 （13分钟）

[11.2.1]--5_2线性回归的基本原理.mp4 （23分钟）

[11.2.2]--5_3基于Scikit-learn实现线性回归.mp4 （10分钟）

[11.2.3]--5_4线性回归模型的性能评估.mp4 （15分钟）

[11.3.1]--6_1逻辑回归的基本原理.mp4 （19分钟）

[11.3.2]--6_2基于Scikit_learn实现逻辑回归.mp4 （20分钟）

[11.3.3]--6_3分类模型的性能评估.mp4 （17分钟）