資料目錄：

01課程安排
02深度學習介紹03安裝
04數(shù)據(jù)操作＋數(shù)據(jù)預處理05線性代數(shù)
06矩陣計算
07自動求導
08線性回歸＋基礎優(yōu)化算法
09 Softmax回歸＋損失函數(shù)＋圖片分類數(shù)據(jù)集
09A Windows下安裝CUDA和Pytorch跑深度學習
09B使用AWS最便宜的GPU 實例
10多層感知機＋代碼實現(xiàn)
10行代碼戰(zhàn)勝90%數(shù)據(jù)科學家?
11模型選擇＋過擬合和欠擬合
12權重衰退
13丟棄法
14數(shù)值穩(wěn)定性＋模型初始化和激活函數(shù)
15 實戰(zhàn): Kaggle房價預測＋課程競賽:加州2020年房價預測
16 PyTorch神經(jīng)網(wǎng)絡基礎
17使用和購買GPU
18預測房價競賽總結
19卷積層
20卷積層里的填充和步幅
21卷積層里的多輸入多輸出通道
22池化層
23經(jīng)典卷積神經(jīng)網(wǎng)絡LeNet
24深度卷積神經(jīng)網(wǎng)絡AlexNet
25使用塊的網(wǎng)絡VGG
26網(wǎng)絡中的網(wǎng)絡NiN
27含并行連結的網(wǎng)絡GoogLeNet Inception v3
28批量歸一化
29殘差網(wǎng)絡ResNet
29.2 ResNet為什么能訓練出1000層的模型
30第二部分完結競賽:圖片分類
31深度學習硬件:CPU 和GPU
32深度學習硬件:TPU和其他
33單機多卡并行
34多GPU訓練實現(xiàn)
35分布式訓練
36數(shù)據(jù)增廣
37微調
38第二次競賽樹葉分類結果
39實戰(zhàn) Kaggle 比賽:圖像分類(CIFAR-10)
40實戰(zhàn) Kaggle 比賽:狗的品種識別(lmageNet Dogs)
41物體檢測和數(shù)據(jù)集
42錨框
43樹葉分類競賽技術總結
44物體檢測算法:R-CNN,SSD, YOLo
45 SSD實現(xiàn)
46語義分割和數(shù)據(jù)集
47轉置卷積
47.2轉置卷積是—種卷積
48全連接卷積神經(jīng)網(wǎng)絡FCN
49樣式遷移
50課程競賽:牛仔行頭檢測
51序列模型
52文本預處理
53語言模型
54循環(huán)神經(jīng)網(wǎng)絡RNN
55循環(huán)神經(jīng)網(wǎng)絡RNN的實現(xiàn)
56 門控循環(huán)單元(GRU)
57長短期記憶網(wǎng)絡(LSTM)58深層循環(huán)神經(jīng)網(wǎng)絡
59雙向循環(huán)神經(jīng)網(wǎng)絡
60機器翻譯數(shù)據(jù)集
61編碼器-解碼器架構
62序列到序列學習(seq2seq)
63束搜索
64注意力機制
65注意力分數(shù)
66 使用注意力機制的seq2seq
67自注意力
69 BERT預訓練
70 BERT微調
71目標檢測競賽總結
72優(yōu)化算法
73課程總結和進階學習【完結】