Py学习  »  机器学习算法

收藏 | 复旦大学机器学习、深度学习公开课,附PDF课件下载

磐创AI • 3 年前 • 350 次点击  

 授课目标

掌握深度学习的基本原理、常用算法,并在此基础上应用于机器视觉、自然语言处理等相关领域,培养一定的分析和解决实际问题的能力。


复旦大学公开课机器学习、深度学习课件:
扫码后台回复:5798,即可获取电子版
 课程大纲

01 神经网络基础

理解前馈神经网络的结构、梯度下降法以及网络训练调优的基本方法,并能应用前馈神经网络解决实际问题。建议5个学时。打*的内容属于高级版,后面陆续推出。

课时

1.1 神经网络简介

1.2 神经网络相关概念

1.3 神经网络效果评价

1.4 神经网络优化

1.5 银行客户流失预测

1.6 练习题

02 深度学习在人工智能系统的应用

通过众多的案例,了解深度学习的典型应用场景。建议2个学时。

课时

2.1 深度学习典型应用场景

2.2 深度学习应用案例分析

2.3 练习题

03 卷积神经网络

理解卷积的内涵,熟悉常用的10几种卷积神经网络的结构、训练方法以及典型场景的应用。建议10个学时。

课时

3.1 卷积的理解—卷积和池化

3.2 常见的卷积模型

@Lenet-5、AlexNet、VGGNet、GoogleLeNet、ResNet等

@Inception v2-v4、DarkNet、DenseNet、SSD等*

@MobileNet,ShuffleNet*

3.3 胶囊网络*

3.4 CNN卷积神经网络应用案例

3.5 目标检测常用算法

@R-CNN、Fast RCNN、Faster RCNN、YOLOv1-v3等

3.5 图像分类

3.6 动物识别

3.7 物体检测

3.8 人脸表情年龄特征识别*

3.9 练习题

04 循环神经神经网络

理解循环神经网络以及变种LSTM、GRU的结构、训练方法以及典型场景的应用。建议6个学时。

课时

4.1 RNN基本原理

4.2 LSTM

4.3 GRU

4.4 CNN+LSTM模型

4.5 Bi-LSTM双向循环神经网络结构

4.6 Seq2seq模型

4.7 注意力机制

4.8 自注意力机制*

4.9 ELMo、Transformer等*

4.10 BERT、EPT、XLNet、ALBERT等*

4.11 机器翻译

4.12 练习题

05 生成对抗网络

理解生成对抗网络的结构、训练方法以及典型场景的应用。建议5个学时。

课时

5.1 生成对抗网络模型

5.2 GAN的理论知识

5.3 DCGAN

5.4 自动生成手写体

5.5 CycleGAN*

5.6 WGAN*

5.7 练习题

06 深度学习神经网络应用

学会使用卷积神经网络、循环神经网络、生成对抗网络的常用算法的应用,解决实际问题,并能做创新性的应用。建议5个学时。

课时

6.1 股票走势预测

6.2 文本情感分类

6.3 图像风格转移*

6.4 机器翻译

6.5 练习题

07 强化学习

理解强化学习的基本概念和原理,了解强化学习的典型应用场景。建议2个学时。

课时

7.1 强化学习基本原理

7.2 强化学习常用模型

7.3 强化学习典型应用

7.4 深度Q网络*

7.5 练习题

08 项目驱动的深度学习方法

理解如何结合实际项目,强化机器学习和深度学习理论知识的深入理解,体会深度学习解决实际问题的技巧和技能。建议2个学时,加1个学时的讨论。

课时

8.1 项目驱动的深度学习之路

8.2 领域问题驱动的机器学习深度教学法

课件:
扫码后台回复:5798,即可获取电子版
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/74580
 
350 次点击