教授级的深度学习深入应用课程 增加银行客户流失预测+seq2seq+注意力机制等新技术
教授级的深度学习深入应用课程,是一次关于深度学习技术的全新技术盛宴。课程由科研级的讲师为同学们倾力打造,在研习深度学习技术之余,又做了非常前沿的引入,再次让同学们学到了最新的技术。课程内容包括了BP神经网络,银行客户流失预测,Lenet5卷积神经网络,卷积神经网络训练,动物识别,图像分类,股票预测,Alexnet卷积神经网络,长短期记忆神经网络模型,手写体生成,注意力机制等等。
===============课程目录===============
(0);目录中文件数:84个
├─0111神经网络简介.mp4
├─0212BP神经网络.mp4
├─0313BP神经网络2.mp4
├─04132神经网络训练.mp4
├─05133神经网络应用.mp4
├─0614神经网路应用于银行客户流失预测.mp4
├─0715银行客户流失预测.mp4
├─0816银行客户流失预测3.mp4
├─0917银行客户流失预测4.mp4
├─1021深度学习深度学习在人工智能中的应用一.mp4
├─1122深度学习在人工智能中的应用.mp4
├─1223深度学习在人工智能中的应用3.mp4
├─1324深度学习在人工智能中的应用4.mp4
├─1431卷积神经网络概况.mp4
├─1532感受野.mp4
├─1633卷积的概念.mp4
├─1734图像编码与卷积.mp4
├─1835卷积操作.mp4
├─1936卷积特征图及计算.mp4
├─2037多通道卷积.mp4
├─2138池化.mp4
├─2239Lenet5卷积神经网络.mp4
├─23310Lenet5卷积神经网络2.mp4
├─243102Lenet5卷积神经网络22.mp4
├─25311Lenet5卷积神经网络3.mp4
├─263112Lenet5卷积神经网络32.mp4
├─27312完整的卷积神经网络过程.mp4
├─28313卷积神经网络训练.mp4
├─29314图像分类.mp4
├─31316图像分类.mp4
├─32317股票预测2.mp4
├─33318股票预测3.mp4
├─3441Alexnet卷积神经网络.mp4
├─3542AlexNet卷积神经网络2.mp4
├─3643AlexNet卷积神经网络模型3.mp4
├─3744VGG卷积神经网络模型.mp4
├─3845GoogLeNet卷积神经网络模型.mp4
├─3946残差神经网络模型.mp4
├─4047动物识别.mp4
├─4148动物识别2.mp4
├─4249动物识别3.mp4
├─4351循环神经网络基本原理.mp4
├─4452循环神经网络基本原理2.mp4
├─4553循环神经网络模型.mp4
├─4654长短期记忆神经网络模型.mp4
├─4755长短期记忆神经网络模型2.mp4
├─4856长短期记忆神经网络模型3.mp4
├─4957基于LSTM的股票预测.mp4
├─5061目标检测的基本概念.mp4
├─5162目标检测基本概念2.mp4
├─5263目标检测发展.mp4
├─5364基于候选区域的目标检测.mp4
├─5465基于候选区域的目标检测2.mp4
├─5566基于候选区域的目标检测3.mp4
├─5667基于候选区域的目标检测4.mp4
├─5768FastRCNN目标检测算法.mp4
├─5869FasterRCNN目标检测算法.mp4
├─59610Yolo目标检测算法.mp4
├─60611Yolo目标检测算法2.mp4
├─61612Yolo目标检测算法3.mp4
├─62613Yolo目标检测算法4.mp4
├─63614目标检测案例解析.mp4
├─64615目标检测案例解析2.mp4
├─65616目标检测案例解析3.mp4
├─66617目标检测案例解析4.mp4
├─6771生成对抗网络基本原理.mp4
├─6872生成对抗网络基本原理2.mp4
├─6973EncoderDecoder模型.mp4
├─7074生成对抗网络算法DCGAN.mp4
├─7175生成对抗网络算法DCGAN2.mp4
├─7276生成对抗网络算法DCGAN3.mp4
├─7377生成对抗网络算法应用.mp4
├─7478生成对抗网络算法应用2.mp4
├─7579手写体生成.mp4
├─76710手写体生成2.mp4
├─77711手写体生成3.mp4
├─78712手写体生成4.mp4
├─79713手写体生成5.mp4
├─8081Seq2Seq模型.mp4
├─8182Seq2Seq模型2.mp4
├─8283注意力机制模型.mp4
├─8384注意力机制模型2.mp4
├─8485注意力机制模型3.mp4
├─8586注意力机制模型案例分析.mp4
(1)\复旦大学深度学习;目录中文件数:15个
├─(1.1.1)--神经网络基础.pdf
├─(1.4.1)--银行客户流失预测.pdf
├─(2.1.1)--深度学习应用概况.pdf
├─(3.1.1)--卷积神经网络基础.pdf
├─(3.11.1)--卷积笔记.pdf
├─(4.1.1)--卷积神经网络算法.pdf
├─(4.7.1)--VGG动物识别.pdf
├─(5.1.1)--循环神经网络模型.pdf
├─(5.7.1)--股票预测.pdf
├─(6.1.1)--目标检测.pdf
├─(6.14.1)--任务检测.pdf
├─(7.1.1)--生成对抗网络.pdf
├─(7.3.1)--自编码器.pdf
├─(7.9.1)--GAN用于手写体生成.pdf
├─(8.1.1)--注意力机制.pdf
|