0
点赞
收藏
分享

微信扫一扫

华盛顿大学2021年-深度神经网络应用


华盛顿大学2021年-深度神经网络应用_人工智能

课程描述

    深度学习包含一系列令人振奋的神经网络新技术。通过结合先进的训练技术和神经网络架构组件,现在有可能创建神经网络,可以处理表格数据、图像、文本和音频数据。深度学习允许神经网络以类似人脑功能的方式学习信息的层次结构。

    本课程将向学生介绍经典的神经网络结构,卷积神经网络(CNN),长短期记忆(LSTM),门控递归神经网络(GRU),一般对抗网络(GAN)和强化学习。这些模型在计算机视觉、时间序列、安全、自然语言处理和数据生成方面被广泛应用。高性能计算方面将展示如何在图形处理单元和网格上处理深度学习。主要是深度学习在问题中的应用,以及一些数学基础的介绍。学生将使用Python编程语言,使用谷歌TensorFlow和Keras实现深度学习模型。本课程不要求学生熟悉python,假设至少熟悉一种编程语言。

课程首页

https://sites.wustl.edu/jeffheaton/t81-558/

课程大纲

华盛顿大学2021年-深度神经网络应用_人工智能_02

课程视频截图

华盛顿大学2021年-深度神经网络应用_数据_03

华盛顿大学2021年-深度神经网络应用_人工智能_04

华盛顿大学2021年-深度神经网络应用_神经网络_05

华盛顿大学2021年-深度神经网络应用_数据_06

华盛顿大学2021年-深度神经网络应用_神经网络_07


举报

相关推荐

深度循环神经网络

0 条评论