Fast.ai 2019最新课程:(官方授权汉化版)深度学习实战 by Jeremy Howard

2.0万
153
2019-09-18 11:34:43
306
328
1576
103
本课程英文版本由fast.ai制作并免费发布(https://www.fast.ai/)。大数据文摘(wxID:BigDataDigest)获得fast.ai授权,将视频、Note和Jupyter Notebook进行翻译并免费发布。希望节省环境搭建的费用,直接学习的同学,请访问《fast.ai深度学习实战 配套实训课》(http://www.bigdatadigest.cn/#/courseDetail?course_id=30&S=e (已更新完毕!)
普及数据思维,传播数据文化,助力产业发展
视频选集
(66/82)
1.1总体课程简介及自我介绍
10:57
1.2第一课简介及Jupyte平台介绍
08:04
1.3数据处理及相关函数介绍
12:56
1.4 Q&A(一)
05:21
1.5 resnet34模型训练
12:10
1.6 使用fastai库的优势及反馈
06:34
1.7 一些成功案例及论坛的使用介绍
13:36
1.8 Q&A(二)及模型训练结果
09:22
1.9 模型优化及相关函数介绍
12:49
1.10 Resnet50模型简介
05:09
1.11 其他数据格式介绍
06:30
1.12 Q&A(三)
03:16
2.1项目赏析
13:06
2.2利用谷歌创建数据集
11:43
2.3查看并训练数据集
08:18
2.4数据清洗
06:40
2.5利用产品训练你的模型
08:49
2.6学习率和轮次
07:50
2.7创建一个简单的线性模型(1)
09:27
2.8创建一个简单的线性模型(2)
14:35
2.9创建一个简单的线性模型(3)
13:03
2.10创建一个简单的线性模型(4)
10:52
2.11创建一个简单的线性模型(5)
11:17
2.12小总结
10:02
3.1学员应用fast.ai制作的小工具
09:46
3.2下载并解压项目所需的数据集
06:09
3.3使用data block api来读取数据集
14:29
3.4使用数据增强完成卫星图像分类任务
12:20
3.5Q&A(1),通过微调和增大像素来提升准确率
15:02
3.6 Q&A(2),图像分割简介
07:08
3.7 Q&A(3),使用fas.ai完成CamVid的图像分割
13:47
3.8 U-Net简介,学习率的选择
10:30
3.9使用U-Net来完成图像分割,头部姿势检测
15:19
3.10使用fast.ai对IMDB电影评论分类
06:18
3.11 Q&A(4),总结
18:59
4.1 NLP的迁移学习
15:45
4.2使用fast.ai对IMDB电影评论进行分类
18:30
4.3 Q&A(1&2),表格数据简介
09:03
4.4 Q&A(3),使用fast.ai分析表格数据
12:02
4.5 Q&A(4),协同过滤简介
14:53
4.6在Excel中实现电影推荐
10:05
4.7 协同过滤在fast.ai库中实现的源码
12:34
4.8 Q&A(5),神经网络各层的运算
15:29
5.1反向传播与微调
04:05
5.2协同过滤Excel版和嵌入
16:49
5.3嵌入与偏差
08:42
5.4协同过滤notebook版和偏差
10:56
5.5权值、collab_learner、嵌入
16:40
5.6权值衰减、随机梯度下降SGD
18:13
5.7真实数据集MNIST的SGD
12:24
5.8使用MNIST的神经网络、Adam
17:02
5.9Momentum动量法和RMSProp
08:46
5.10 fit_one_cycle和tabular模型
11:55
5.11end
14:24
6.1图片数据自动标注
10:20
6.2数据集 数据预处理 data()函数
13:15
6.3doc函数() 损失函数
06:08
6.4模型 dropout
13:38
6.5网络结构 BatchNorm
14:26
6.6数据增广
10:52
6.7卷积运算
15:07
6.8卷积核
07:13
6.9卷积网络 手动卷积
07:52
6.10卷积热力图
15:38
6.11 AI道德
16:12
6.12 如何应对
13:47
7.1 LESSON7简介与已上架的FASTAI相关APP应用
02:31
7.2 使用MNIST数据集构造基于CNN的数字检测器
14:59
7.3 RESNET原理、使用RESNET构建的数字检测器
14:44
7.4 U-NET原理、代码讲解、应用简介
19:41
7.5 Q&A(一)
02:48
7.6 使用U-NET进行图像复原
07:09
7.7 GAN介绍,判别器代码讲解
11:48
7.8 基于GANLearner进行图像复原
05:28
7.9 Q&A(二)
01:45
7.10 WGAN应用、使用perceptual loss修复图像
17:53
7.11 其它图像应用--黑白转彩色
03:03
7.12 Q&A(三)
01:44
7.13课程回顾、RNN介绍、文本预测示例
15:42
7.14 多label输出、引入GRU单元与RNN其它应用
07:22
7.15 学习建议与第二部分课程介绍
06:59
7.16 Q&A(四)
07:34
客服
顶部
赛事库 课堂 2021拜年纪