适用人群

本课程适合于深度学习和人工智能方向新手，需要零基础、快速、深入学习人工智能的朋友。

课程概述

好消息！本课程的配套书本由【清华大学出版社】出版，和视频内容100%同步，并荣获清华大学出版社2021年“年度畅销图书奖”，市面少见的体系化课程，一套教程即可入门人工智能算法！

目录

章节1:深度学习初见试看
课时1视频学习指南14:19
课时2视频深度学习框架介绍-110:21可试看
课时3视频深度学习框架介绍-209:55可试看
课时4视频开发环境安装-Anaconda-精简版07:57可试看
课时5视频开发环境安装-TensorFlow-精简版09:38可试看
课时6视频开发环境安装-PyCharm-精简版08:04
课时7视频配套书本介绍08:31可试看
章节2:选看：开发环境标准安装方法
课时8视频开发环境安装-标准版-110:22
课时9视频开发环境安装-标准版-211:20
课时10视频Win10平台实录-129:51
课时11视频Win10平台实录-223:26
课时12视频Ubuntu平台实录-CUDA安装10:15
课时13视频Ubuntu平台实录-Anaconda安装10:00
课时14视频Ubuntu平台实录-TensorFlow/PyTorch安装14:47
课时15视频Ubuntu平台实录-PyCharm安装05:44
章节3:回归问题试看
课时16视频线性回归-108:03可试看
课时17视频线性回归-210:41
课时18视频回归问题实战-107:34
课时19视频回归问题实战-211:05
课时20视频手写数字问题-111:32
课时21视频手写数字问题-209:18
课时22视频手写数字问题-310:10
课时23视频手写数字问题初体验-109:12
课时24视频手写数字问题初体验-207:58
章节4:TensorFlow 2基础操作试看
课时25视频Tensor数据类型-112:02可试看
课时26视频Tensor数据类型-211:47
课时27视频创建Tensor-110:40
课时28视频创建Tensor-209:54
课时29视频创建Tensor-307:12
课时30视频索引与切片-110:37
课时31视频索引与切片-211:18
课时32视频索引与切片-306:42
课时33视频索引与切片-413:17
课时34视频索引与切片-512:28
课时35视频维度变换-111:51
课时36视频维度变换-212:11
课时37视频维度变换-308:19
课时38视频Broadcasting-111:26
课时39视频Broadcasting-210:55
课时40视频数学运算13:25
课时41视频前向传播（张量）-实战-110:02
课时42视频前向传播（张量）-实战-210:32
课时43视频前向传播（张量）-实战-310:10
课时44视频前向传播（张量）-实战-410:22
章节5:TensorFlow 2高阶操作
课时45视频合并与分割13:00
课时46视频数据统计14:29
课时47视频张量排序-108:42
课时48视频张量排序-212:40
课时49视频填充与复制13:03
课时50视频张量限幅-110:11
课时51视频张量限幅-210:49
课时52视频高阶操作-110:05
课时53视频高阶操作-209:31
章节6:神经网络与全连接层试看
课时54视频数据加载-110:01可试看
课时55视频数据加载-207:38
课时56视频数据加载-309:12
课时57视频测试（张量）-实战15:36
课时58视频全连接层-110:39
课时59视频全连接层-210:59
课时60视频输出方式12:43
课时61视频误差计算-113:17
课时62视频误差计算-211:46
课时63视频误差计算-310:30
章节7:随机梯度下降
课时64视频梯度下降-简介-107:41
课时65视频梯度下降-简介-209:31
课时66视频常见函数的梯度07:22
课时67视频激活函数及其梯度15:33
课时68视频损失函数及其梯度-108:12
课时69视频损失函数及其梯度-212:32
课时70视频单输出感知机梯度12:47
课时71视频多输出感知机梯度13:15
课时72视频链式法则12:57
课时73视频反向传播算法-110:10
课时74视频反向传播算法-209:54
课时75视频函数优化实战08:32
课时76视频手写数字问题实战（层）-110:04
课时77视频手写数字问题实战（层）-210:34
课时78视频手写数字问题实战（层）-311:35
课时79视频TensorBoard可视化-110:04
课时80视频TensorBoard可视化-210:04
章节8:Keras高层接口试看
课时81视频Keras高层API-108:56可试看
课时82视频Keras高层API-208:02
课时83视频Keras高层API-308:11
课时84视频自定义层/网络-109:13
课时85视频自定义层/网络-209:57
课时86视频模型加载与保存10:53
课时87视频CIFAR10自定义网络实战-110:04
课时88视频CIFAR10自定义网络实战-210:02
课时89视频CIFAR10自定义网络实战-311:44
章节9:过拟合
课时90视频过拟合与欠拟合14:24
课时91视频交叉验证-110:24
课时92视频交叉验证-213:25
课时93视频Regularization12:59
课时94视频动量与学习率14:11
课时95视频Early Stopping和Dropout14:53
章节10:卷积神经网络
课时96视频什么是卷积-110:04
课时97视频什么是卷积-210:02
课时98视频什么是卷积-309:03
课时99视频什么是卷积-407:02
课时100视频卷积神经网络-110:36
课时101视频卷积神经网络-210:31
课时102视频卷积神经网络-309:22
课时103视频卷积神经网络-411:17
课时104视频池化与采样07:22
课时105视频CIFAR100与VGG13实战-110:13
课时106视频CIFAR100与VGG13实战-209:55
课时107视频CIFAR100与VGG13实战-310:12
课时108视频CIFAR100与VGG13实战-407:10
课时109视频经典卷积网络VGG, GoogLeNet, Inception-110:14
课时110视频经典卷积网络VGG, GoogLeNet, Inception-208:56
课时111视频BatchNorm13:35
课时112视频BatchNorm-212:34
课时113视频ResNet, DenseNet – 112:03
课时114视频ResNet, DenseNet – 212:32
课时115视频ResNet实战-110:21
课时116视频ResNet实战-210:06
课时117视频ResNet实战-310:19
课时118视频ResNet实战-411:48
章节11:循环神经网络RNN
课时119视频序列表示方法-111:45
课时120视频序列表示方法-212:26
课时121视频循环神经网络层-110:49
课时122视频循环神经网络层-212:15
课时123视频RNNCell使用-110:20
课时124视频RNNCell使用-208:48
课时125视频RNN与情感分类问题实战-加载IMDB数据集10:41
课时126视频RNN与情感分类问题实战-单层RNN Cell10:29
课时127视频RNN与情感分类问题实战-网络训练09:42
课时128视频RNN与情感分类问题实战-多层RNN Cell09:53
课时129视频RNN与情感分类问题实战-高层接口09:27
课时130视频梯度弥散与梯度爆炸13:34
课时131视频LSTM-113:08
课时132视频LSTM-206:46
课时133视频LSTM实战11:49
课时134视频GRU原理与实战13:51
章节12:自定义数据集和迁移学习
课时135视频宝可梦精灵数据集10:32
课时136视频自定义数据集加载流程12:58
课时137视频自定义数据集实现10:17
课时138视频数据增强09:43
课时139视频数据标准化07:13
课时140视频从零训练ResNet10:44
课时141视频小样本训练难题07:28
课时142视频迁移学习原理与实战13:54
章节13:目标检测算法试看
课时143视频什么是目标检测？04:47可试看
课时144视频目标检测的算法思路10:35
课时145视频YOLO的由来05:56
课时146视频YOLOv1原理07:02
课时147视频YOLOv1训练方法08:07
课时148视频算法测试和预测效果05:32
课时149视频YOLOv2-升级Backbone04:22
课时150视频引入Anchors09:13
课时151视频输出向量格式10:15
课时152视频输出坐标设计07:06
课时153视频YOLOv2算法08:53
课时154视频YOLOv2训练与测试06:17
课时155视频实战1.1.1-花草数据集介绍07:45
课时156视频实战1.1.2-环境配置06:22
课时157视频实战1.1.3-解析xml文件08:36
课时158视频实战1.1.4-解析xml文件09:38
课时159视频实战1.1.5-合并box08:27
课时160视频实战1.1.6-数据集测试09:05
课时161视频实战1.2-构建DB08:39
课时162视频实战1.3.1-可视化DB07:35
课时163视频实战1.3.2-数据增强06:18
课时164视频实战2.1.1-GT box介绍03:14
课时165视频实战2.1.2-准备空位09:29
课时166视频实战2.1.3-提取数据08:42
课时167视频实战2.1.4-写入数据07:53
课时168视频实战2.2.1-批量GT box合并06:48
课时169视频实战2.2.2-批量Generator05:35
课时170视频实战2.3-GT box可视化06:50
课时171视频实战3.1.1-Darknet-19介绍04:12
课时172视频实战3.1.2-网络模型实现08:40
课时173视频实战3.1.3-网络模型实现08:12
课时174视频实战3.1.4-网络初始化07:10
课时175视频实战3.2-网络输出可视化08:09
课时176视频实战4.1.1-坐标Loss08:44
课时177视频实战4.1.2-坐标Loss10:25
课时178视频实战4.2-分类loss04:40
课时179视频实战4.3.1-iou计算08:50
课时180视频实战4.3.2-组合06:18
课时181视频实战4.3.3-组合IOU08:47
课时182视频实战4.3.4-组合IOU计算04:04
课时183视频实战4.3.5-无物体loss08:12
课时184视频实战4.3.6-物体Loss05:09
课时185视频实战4.3.7-YOLOv2训练10:40
课时186视频实战4.3.8-训练优化04:33
课时187视频实战4.4.1-计算Pred boxes坐标08:14
课时188视频实战4.4.2-筛选box04:43
课时189视频实战4.4.3-绘制矩形框06:12
课时190视频实战4.4.4-小结04:26
章节14:自编码器Auto-Encoders
课时191视频无监督学习10:07
课时192视频Auto-Encoders原理10:14
课时193视频Auto-Encoders变种10:17
课时194视频Adversarial Auto-Encoders10:11
课时195视频Variational Auto-Encoders引入10:01
课时196视频Reparameterization Trick10:40
课时197视频Variational Auto-Encoders原理11:00
课时198视频Auto-Encoders实战-创建编解码器09:23
课时199视频Auto-Encoders实战-训练09:21
课时200视频Auto-Encoders实战-测试09:21
课时201视频VAE实战-创建网络09:26
课时202视频VAE实战-KL Divergence计算12:41
课时203视频VAE实战-训练与测试11:45
章节15:对抗生成网络GAN
课时204视频数据的分布08:58
课时205视频画家的成长历程13:04
课时206视频GAN原理10:01
课时207视频纳什均衡-D09:57
课时208视频纳什均衡-G13:42
课时209视频JS散度的缺陷16:36
课时210视频EM距离09:57
课时211视频WGAN-GP原理16:22
课时212视频GAN实战-110:20
课时213视频GAN实战-209:59
课时214视频GAN实战-310:09
课时215视频GAN实战-411:00
课时216视频GAN实战-508:33
课时217视频GAN实战-607:42
课时218视频WGAN实战-111:07
课时219视频WGAN实战-209:45
章节16:选看：人工智能发展简史
课时220视频生物神经元结构04:06
课时221视频感知机的提出10:07
课时222视频BP神经网络10:07
课时223视频CNN和LSTM的发明10:19
课时224视频人工智能低谷10:07
课时225视频深度学习的诞生10:13
课时226视频深度学习的爆发12:13
章节17:选看：Numpy实战BP神经网络
课时227视频权值的表示10:05
课时228视频多层感知机的实现10:18
课时229视频BP神经网络前向传播10:06
课时230视频BP神经网络反向传播-110:10
课时231视频BP神经网络反向传播-210:06
课时232视频BP神经网络反向传播-310:18
课时233视频多层感知机的训练10:24
课时234视频多层感知机的测试12:06
课时235视频实战小结
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。