选课
登录
注册
登录
注册
选课
人工智能基础
简介
分类
计算机
查看课程
课时列表
第12课时: 机器学习笔记
第34课时: 深度学习笔记
第35课时: Deep learning, chapter 1 - But what is a Neura
第36课时: Deep learning, chapter 2 - Gradient descent how
第10课时: 人工智能基础
第5课时: 第一讲--人生苦短我用Python
第6课时: 第二讲--第三讲--基本语法
第7课时: 第四讲--循环结构进阶
第8课时: 第五讲--列表与文件
第9课时: 第六讲--自定义函数
第17课时: MNIST-手写字体识别
第11课时: Anaconda安装和环境配置
第2课时: start-py
第1课时: install-py
第3课时: first-py-code
第4课时: run-hello.py
第52课时: Dogs VS. Cats案例介绍
第53课时: 项目介绍
第54课时: 项目实践
第55课时: 基于VGG16的迁移学习
第56课时: VGG16的模型实现
第57课时: VGG16的tensorflow实现
第58课时: 数据输入
第59课时: 模型重新训练与保存
第60课时: 模型预测
第61课时: 基于VGG16的迁移学习模型预测
第62课时: vgg图像预处理脚本代码
第13课时: MNIST手写数字识别数据集介绍
第14课时: 认识标签
第15课时: 数据集划分
第16课时: 批量读取数据
第18课时: 分类模型构建
第19课时: 逻辑回归
第20课时: 多元回归
第21课时: 分类模型构建与实践
第22课时: 定义可视化函数
第23课时: MNIST手写数字识别-分类应用入门
第24课时: MNIST进阶-单隐藏层神经网络构建与应用
第25课时: 构建隐藏层
第26课时: 载入数据
第27课时: 应用模型
第28课时: MNIST手写数字识别进阶-多层神经网络与应用
第29课时: 多层网络模型实现
第30课时: 构建多层网络模型
第31课时: 重构模型
第32课时: 初始化参数
第33课时: 定义相同结构的模型
第37课时: 卷积神经网络
第38课时: 全连接神经网络
第39课时: 10 图像识别问题_卷积神经网络与应用
第40课时: 卷积神经网络结构
第41课时: 卷积神经网络结构-2
第42课时: pooling
第43课时: 卷积神经网络与应用
第44课时: TensorFlow对卷积神经网络的支持
第45课时: Tensorflow中CNN的相关函数
第46课时: CIFAR-10图像识别案例
第47课时: 图像数据预处理
第48课时: 建立CIFAR-10图像分类模型
第49课时: 断点续训
第50课时: 可视化预测结果
第51课时: 图像识别问题_卷积神经网络与应用50-75