人工智能零基础入门，从0到1轻松掌握挑战高薪就业_哔哩哔哩_bilibili

投稿

收藏

稿件投诉

记笔记

用手机看

人工智能零基础入门，从0到1轻松掌握挑战高薪就业

11.1万

已完结 · 共97课时

长期有效

唐老师用实战案例带你由浅入深学习AI算法基础课程

发布者

关注

迪哥谈AI

咕泡科技特聘导师-唐宇迪，累计听课人数30W+，已帮助1W+学员完成人工智能相关就业或AI论文指导。主攻CV方向，精通课程风格通俗易懂。

课程概述

评论（0）

课程介绍

课程介绍

课程介绍

常见问题

Q：课程在什么时间更新？

A：课程更新频次以页面前端展示为准。购买成功后，课程更新将通过账号动态提示，方便及时观看。

Q：课程购买后有收看时间限制吗？

A：购买后除不可抗力因素外，本课程长期有效，请您放心购买。

Q：原价购买课程后，如遇到优惠折扣，是否可以退还差价或重新购买？

A：虚拟商品付款后无法返还，请您随时留意各类课程折扣信息，按需购买。

Q：购买课程后是否可以加入老师的粉丝群或者用户群？

A：如老师设置用户群，我们将邀您加入，但我们无法承诺所有老师均提供用户群服务，感谢理解。

购买须知

1. 本内容为付费内容，购买成功后方可观看。

2. 本内容为虚拟服务，已购买内容不支持退款，敬请谅解。

3. 实际购买价格以页面展示的价格及订单结算页显示价格为准。

1 元/97课时立即购买

课程目录

课程群

章节选择

【务必添加班主任入群领取资料】

1

全集试看

先导片（务必添加班主任入群领取资料）

视频课

1分9秒

2

全集试看

AI入门必看【课程福利】

视频课

14分24秒

3

全集试看

1-神经网络要完成的任务分析

视频课

16分59秒

4

部分试看

2-模型更新方法解读

视频课

12分26秒

5

3-损失函数计算方法

视频课

13分45秒

6

4-前向传播流程解读

视频课

11分

7

5-反向传播演示

视频课

8分49秒

8

6-神经网络整体架构详细拆解

视频课

18分12秒

9

7-神经网络效果可视化分析

视频课

12分2秒

10

8-神经元个数的作用

视频课

9分8秒

11

9-预处理与dropout的作用

视频课

14分8秒

12

10-卷积神经网络概述分析

视频课

8分26秒

13

11-卷积要完成的任务解读

视频课

12分49秒

14

12-卷积计算详细流程演示

视频课

20分52秒

15

13-层次结构的作用

视频课

7分22秒

16

14-参数共享的作用

视频课

6分57秒

17

15-池化层的作用与效果

视频课

14分40秒

18

16-整体网络结构架构分析

视频课

16分31秒

19

17-经典网络架构概述

视频课

16分42秒

20

18-RNN网络结构原理与问题

视频课

8分55秒

21

19-注意力结构历史故事介绍

视频课

16分20秒

22

20-self-attention要解决的问题

视频课

12分17秒

23

21-QKV的来源与作用

视频课

13分17秒

24

22-多头注意力机制的效果

视频课

12分43秒

25

23-位置编码与解码器

视频课

13分8秒

26

24-整体架构总结

视频课

11分55秒

27

25-BERT训练方式分析

视频课

9分32秒

28

26-视觉transformer要完成的任务解读

视频课

13分34秒

深度学习PyTorch框架实战教程

29

2-CPU与GPU版本安装方法解读

视频课

17分36秒

30

1-数据集与任务概述

视频课

11分57秒

31

2-基本模块应用测试

视频课

12分56秒

32

3-网络结构定义方法

视频课

12分50秒

33

4-数据源定义简介

视频课

10分10秒

34

5-损失与训练模块分析

视频课

12分1秒

35

6-训练一个基本的分类模型

视频课

10分32秒

36

7-参数对结果的影响

视频课

8分43秒

37

1-任务与数据集解读

视频课

10分22秒

38

2-参数初始化操作解读

视频课

13分38秒

39

3-训练流程实例

视频课

12分31秒

40

4-模型学习与预测

视频课

16分4秒

41

1-输入特征通道分析

视频课

12分13秒

42

2-卷积网络参数解读

视频课

9分8秒

43

3-卷积网络模型训练

视频课

12分9秒

44

1-任务分析与图像数据基本处理

视频课

11分31秒

45

2-数据增强模块

视频课

11分52秒

46

3-数据集与模型选择

视频课

9分30秒

47

4-迁移学习方法解读

视频课

12分30秒

48

5-输出层与梯度设置

视频课

11分49秒

49

6-输出类别个数修改

视频课

10分22秒

50

7-优化器与学习率衰减

视频课

10分55秒

51

8-模型训练方法

视频课

11分13秒

52

9-重新训练全部模型

视频课

11分7秒

53

10-测试结果演示分析

视频课

18分24秒

54

1-Dataloader要完成的任务分析

视频课

9分9秒

55

2-图像数据与标签路径处理

视频课

9分36秒

56

3-Dataloader中需要实现的方法分析

视频课

13分2秒

57

4-实用Dataloader加载数据并训练模型

视频课

12分15秒

58

1-数据集与任务目标分析

视频课

9分54秒

59

2-文本数据处理基本流程分析

视频课

11分17秒

60

3-命令行参数与DEBUG

视频课

10分59秒

61

4-训练模型所需基本配置参数分析

视频课

13分12秒

62

5-预料表与字符切分

视频课

10分1秒

63

6-字符预处理转换ID

视频课

10分43秒

64

7-LSTM网络结构基本定义

视频课

11分30秒

65

8-网络模型预测结果输出

视频课

12分42秒

66

9-模型训练任务与总结

视频课

12分20秒

67

1-基本结构与训练好的模型加载

视频课

7分12秒

68

2-服务端处理与预测函数

视频课

12分26秒

69

3-基于Flask测试模型预测结果

视频课

12分50秒

70

1-项目源码准备

视频课

10分35秒

71

2-源码DEBUG演示

视频课

10分7秒

72

3-Embedding模块实现方法

视频课

14分25秒

73

4-分块要完成的任务

视频课

8分54秒

74

5-QKV计算方法

视频课

12分37秒

75

6-特征加权分配

视频课

10分42秒

76

7-完成前向传播

视频课

10分14秒

相关推荐