人工智能深度学习入门视频课程

1-1 深度学习要解决的问题.mp4

1-2 深度学习应用领域.mp4

1-3 计算机视觉任务.mp4

1-4 视觉任务中遇到的问题.mp4

1-5 得分函数.mp4

1-6 损失函数的作用.mp4

1-7 前向传播整体流程.mp4

2-1 梯度下降通俗解释（以线性回归算法为例，神经网络也是如此）.mp4

2-2 参数更新方法.mp4

2-3 优化参数设置.mp4

2-4 返向传播计算方法.mp4

2-5 神经网络整体架构.mp4

2-6 神经网络架构细节.mp4

2-7 神经元个数对结果的影响.mp4

2-8 正则化与激活函数.mp4

2-9 神经网络过拟合解决方法.mp4

3-1 神经网络整体框架概述.mp4

3-10 完成全部迭代更新模块.mp4

3-11 手写字体识别数据集.mp4

3-12 算法代码错误修正.mp4

3-13 模型优化结果展示.mp4

3-14 测试效果可视化展示.mp4

3-2 参数初始化操作.mp4

3-3 矩阵向量转换.mp4

3-4 向量反变换.mp4

3-5 完成前向传播模块.mp4

3-6 损失函数定义.mp4

3-7 准备反向传播迭代.mp4

3-8 差异项计算.mp4

3-9 逐层计算.mp4

神经网络-代码实现.zip

神经网络.pdf

人工智能深度学习入门视频课程