吴恩达深度学习课程-学习资料
吴恩达深度学习课程,内容覆盖神经网络、深度学习、卷积神经网络、循环神经网络、计算机视觉、自然语言处理等

关键词标签: 吴恩达, 神经网络, 深度学习, 卷积神经网络, 循环神经网络, 计算机视觉, 自然语言处理

课程介绍

本课程是 Stanford CS230课程的拓展,由吴恩达教授讲授的《深度学习》专业课程,课程包含五个重要的课程板块:


课程板块 知识详情
第1门-神经网络和深度学习 第1周 深度学习概论
第2周 神经网络基础
第3周 浅层神经网络
第4周 深层神经网络
第2门-改善深层神经网络 第1周 深度学习的实用层面
第2周 优化算法
第3周 超参数调试、Batch正则化和程序框架
第3门-结构化机器学习 第1周 机器学习(ML)策略(1)
第2周 机器学习(ML)策略(2)
第4门-卷积神经网络 第1周 卷积神经网络
第2周 深度卷积网络:实例探究
第3周 目标检测
第4周 特殊应用:人脸识别和神经风格转换
第5门-序列数据建模 第1周 循环序列模型
第2周 自然语言处理与词嵌入
第3周 序列模型和注意力机制

ShowMeAI课程解读:全套资料

更多技术与课程清单 | 点击查看详细课程

技术方向 课程及链接
计算机数学基础 MIT-计算机科学的数学基础
辛辛那提大学-微积分I
辛辛那提大学-微积分II
辛辛那提大学-离散数学
斯坦福-线性代数与矩阵方法导论
计算机科学导论 斯坦福-计算机科学导论
哈佛-计算机科学导论
MIT-计算机科学与Python编程导论
数据结构与算法 MIT-数据结构与算法设计
马里兰大学-数据结构
数据库 CMU-数据库系统导论
CMU-数据库系统进阶
机器学习及应用 斯坦福CS229
MIT-机器学习导论
深度学习及应用 斯坦福CS230
哈佛-Python人工智能入门
MIT-深度学习导论
李宏毅-机器学习(&深度学习)
应用深度学习(全知识点覆盖)
UC Berkeley-深度神经网络设计、可视化与理解
威斯康星-深度学习和生成模型导论
UC Berkeley-全栈深度学习训练营
自然语言处理 斯坦福CS224n(深度学习与NLP)
斯坦福CS124(从语言到信息)
斯坦福CS520(知识图谱)
马萨诸塞-自然语言处理进阶
计算机视觉 斯坦福CS231n(深度学习与CV)
密歇根eecs498(CS231n进阶课)
慕尼黑工大adl4cv(深度学习与CV高阶课)
多模态 CMU-多模态机器学习
图机器学习 斯坦福CS224w
强化学习 斯坦福CS234(强化学习)
伯克利CS285(深度强化学习)
无监督学习 伯克利CS294-158(深度无监督学习)
AI与生物医疗 MIT-面向生命科学的深度学习
MIT-基因组学机器学习
MIT-医疗机器学习
图形学与几何 CMU-计算机图形学
AMMI-几何深度学习
其他课程 哈佛-基于Python/JavaScript的web编程
MIT-计算思维导论(Julia)
MIT-深度学习与无人驾驶
end
*****
本文作者 韩信子
欢迎关注微信公众号 ShowMeAI研究中心 获取更多资源!