歡迎推薦學生參與：https://www.icourse163.org/course/FUDAN-1205806833

深度學習公益課程，配套全套的PPT、視頻、Python程序、數(shù)據(jù)、習題、理論與實訓教材等，歡迎指導

課程內(nèi)容如下：

1.神經(jīng)網(wǎng)絡(luò)基礎(chǔ)

1.1 神經(jīng)網(wǎng)絡(luò)簡介

1.2 神經(jīng)網(wǎng)絡(luò)相關(guān)概念

1.3 神經(jīng)網(wǎng)絡(luò)效果評價

1.4 神經(jīng)網(wǎng)絡(luò)優(yōu)化

1.5 銀行客戶流失預測

1.6 練習題 

2.CNN卷積神經(jīng)網(wǎng)絡(luò)

2.1 卷積的理解—卷積和池化

2.2 常見的卷積模型：Lenet-5、AlexNet、VGGNet、GoogleLeNet、ResNet等

2.3 CNN卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用案例

2.4 目標檢測常用算法：R-CNN、Fast RCNN、Faster RCNN、YOLO等

2.5 圖像分類

2.6 動物識別

2.7 物體檢測

2.8 練習題

3.循環(huán)神經(jīng)神經(jīng)網(wǎng)絡(luò)

3.1 RNN基本原理

3.2 LSTM

3.3 GRU

3.4 CNN+LSTM模型

3.5 Bi-LSTM雙向循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3.6 Seq2seq模型

3.7 注意力機制

3.8 機器翻譯

3.9 練習題

4.生成對抗網(wǎng)絡(luò)GAN

4.1 生成對抗網(wǎng)絡(luò)模型

4.2 GAN的理論知識

4.3 DCGAN

4.4 自動生成手寫體

4.5 練習題

5. 深度學習神經(jīng)網(wǎng)絡(luò)應(yīng)用

5.1 股票走勢預測                    

5.2 文本情感分類

5.3 圖像風格轉(zhuǎn)移

5.4 機器翻譯

5.5 智能交通燈控制

5.6 練習題

6.強化學習

6.1 強化學習基本原理

6.2 強化學習常用模型

6.3 強化學習典型應(yīng)用

6.4 練習題

7．深度學習實訓