您现在的位置是:课程

机器学习与深度学习基础

2023-12-04 21:57课程 人已围观

上半部分
课节1: 机器学习介绍
课节2: 回归
课节3: 梯度下降
课节4: 分类
课节5: 支持向量机
课节6: 集成学习
课节7: 深度学习预备
课节8: 卷积神经网络
课节9: 循环神经网络
课节10: 半监督学习
课节11: 无监督学习
课节12: 深度生成模型
课节13: 迁移学习
下半部分
课节1 机器学习的下一步
1.机器学习的下一步
课节2 可解释的机器学习
1.可解释的机器学习(1-8)
2.项目-卷积神经网络的可解释性
课节3 对抗攻击模型
1.对抗攻击模型(1-8)
2.项目-对抗攻击模型
课节4 神经网络压缩
1.神经网络压缩(1-5)
2.项目-神经网络压缩(模型结构设计)
3.项目-神经网络压缩(知识萃取)
4.项目-神经网络压缩(网络剪枝)
5.项目-神经网络压缩(权重量化)
课节5 "序列到序列"模型
1.RNN与Attention
2.指针网络
3.递归结构
4.Transformer
5.项目-序列到序列
课节6 自编码器拓展
1.自编码器拓展(1-4)
2.ELMO,BERT,GPT
3.项目-自编码器拓展
课节7 异常检测
1.异常检测(1-7)
2.项目-异常检测
课节8 元学习(上)
1.元学习(上)MAML(1-9)
课节9 元学习(下)
1.元学习(下)标准度量(1-3)
2.元学习(下)梯度下降(1-3)
3.元学习-训练与测试
4.项目-元学习
课节10 终身学习
1.终身学习(1-7)
2.项目-终身学习
-->