人工智能基础 扫二维码继续学习
( 0人 )
课程介绍

课时列表

第 1 章 : python程序设计基础
课时1:install-py
课时2:start-py
课时3:first-py-code
课时4:run-hello.py
课时5:第一讲--人生苦短我用Python
课时6:第二讲--第三讲--基本语法
课时7:第四讲--循环结构进阶
课时8:第五讲--列表与文件
课时9:第六讲--自定义函数

第 2 章 : 人工智能概述
课时10:人工智能基础
课时11:Anaconda安装和环境配置

第 3 章 : 机器学习
课时12:机器学习笔记

第 4 章 : MNIST手写数字识别
课时13:MNIST手写数字识别数据集介绍
课时14:认识标签
课时15:数据集划分
课时16:批量读取数据
课时17:MNIST-手写字体识别
课时18:分类模型构建
课时19:逻辑回归
课时20:多元回归
课时21:分类模型构建与实践
课时22:定义可视化函数
课时23:MNIST手写数字识别-分类应用入门
课时24:MNIST进阶-单隐藏层神经网络构建与应用
课时25:构建隐藏层
课时26:载入数据
课时27:应用模型
课时28:MNIST手写数字识别进阶-多层神经网络与应用
课时29:多层网络模型实现
课时30:构建多层网络模型
课时31:重构模型
课时32:初始化参数
课时33:定义相同结构的模型

第 5 章 : 深度学习
课时34:深度学习笔记
课时35:Deep learning, chapter 1 - But what is a Neura
课时36:Deep learning, chapter 2 - Gradient descent how

第 6 章 : 图像识别
课时37:卷积神经网络
课时38:全连接神经网络
课时39:10 图像识别问题_卷积神经网络与应用
课时40:卷积神经网络结构
课时41:卷积神经网络结构-2
课时42:pooling
课时43:卷积神经网络与应用
课时44:TensorFlow对卷积神经网络的支持
课时45:Tensorflow中CNN的相关函数
课时46:CIFAR-10图像识别案例
课时47:图像数据预处理
课时48:建立CIFAR-10图像分类模型
课时49:断点续训
课时50:可视化预测结果
课时51:图像识别问题_卷积神经网络与应用

第 7 章 : 迁移学习
课时52:Dogs VS. Cats案例介绍
课时53:项目介绍
课时54:项目实践
课时55:基于VGG16的迁移学习
课时56:VGG16的模型实现
课时57:VGG16的tensorflow实现
课时58:数据输入
课时59:模型重新训练与保存
课时60:模型预测
课时61:基于VGG16的迁移学习模型预测
课时62:vgg图像预处理脚本代码

课时列表
  • 本次开课

    已结束

  • 开课:03月01日 00:00

    结束:06月07日 00:00

任课老师