投稿

吴恩达深度学习课程第一课 — 神经网络与深度学习【中英字幕】

3.2万

127

2020-02-09 22:48:14

https://mooc.study.163.com/course/2001281002 视频仅供学习使用，若侵权，请联系删除！这是深度学习工程师微专业中的第一门课。这门课将为你介绍深度学习的基础知识。学完这门课，你将能够： -理解驱动深度学习的主要技术趋势。 -能够搭建、训练并且运用全连接的深层神经网络。 -了解如何实现高效的（向量化）的神经网络。 -理解神经网络架构中的关键参数。这门课将会详尽地

子衿青青1101 发消息

夸克的N个隐藏功能你解锁了吗？

炊哥不加戏

1.1 欢迎

05:33

1.2 什么是神经网络？

07:05

1.3 用神经网络进行监督学习

08:30

1.4 为什么深度学习会兴起？

10:22

1.5 关于这门课

02:28

1.6 课程资源

01:56

第二周神经网络的编程基础：2.1 二分分类

08:24

2.2 logistic 回归

06:00

2.3 logistic 回归损失函数

08:12

2.4 梯度下降法

11:24

2.5 导数

07:11

2.6 更多导数的例子

10:49

2.7 计算图

03:34

2.8 计算图的导数计算

14:51

2.9 logistic 回归中的梯度下降法

06:43

2.10 m 个样本的梯度下降

08:01

2.11 向量化

08:05

2.12 向量化的更多例子

06:22

2.13 向量化 logistic 回归

07:33

2.14 向量化 logistic 回归的梯度输出

09:38

2.15 Python 中的广播

11:07

2.16 关于 python _ numpy 向量的说明

06:50

2.17 Jupyter _ ipython 笔记本的快速指南

03:58

2.18 （选修）logistic 损失函数的解释

07:16

第三周浅层神经网络：3.1 神经网络概览

04:27

3.2 神经网络表示

05:15

3.3 计算神经网络的输出

09:59

3.4 多个例子中的向量化

09:06

3.5 向量化实现的解释

07:38

3.6 激活函数

10:57

3.7 为什么需要非线性激活函数？

05:37

3.8 激活函数的导数

07:58

3.9 神经网络的梯度下降法

09:58

3.10 （选修）直观理解反向传播

15:49

3.11 随机初始化

07:58

第四周深层神经网络：4.1 深层神经网络

05:52

4.2 前向和反向传播

10:30

4.3 深层网络中的前向传播

07:16

4.4 核对矩阵的维数

11:11

4.5 为什么使用深层表示

10:34

4.6 搭建深层神经网络块

08:34

4.7 参数 VS 超参数

07:18

4.8 这和大脑有什么关系？

03:18

5.1. 吴恩达采访 Geoffrey Hinton

40:23

5.2. 吴恩达采访 Pieter Abbeel

16:04

5.3. 吴恩达采访 Ian Goodfellow

14:56

顶部