2018coursera斯坦福大学吴老师深度学习全套高清

TensorStark · 发表于 2019-6-13 02:48:00

话不多说，全套视频作业齐全，视频高清无加密，中英文字幕
├─01.神经网络和深度学习
│  ├─1.第一周深度学习概论
│  │    1.1 欢迎.mkv
│  │    1.2 什么是神经网络？.mkv
│  │    1.3 用神经网络进行监督学习.mkv
│  │    1.4 为什么深度学习会兴起？.mkv
│  │    1.5 关于这门课.mkv
│  │    1.6 课程资源.mkv
│  │    第一周quiz小测验.pdf
│  │    课件.zip
│  │
│  ├─2.第二周神经网络基础
│  │    2.1 二分分类.mkv
│  │    2.2 logistic 回归.mkv
│  │    2.3 logistic 回归损失函数.mkv
│  │    2.4 梯度下降法.mkv
│  │    2.5 导数.mkv
│  │    2.6 更多导数的例子.mkv
│  │    2.7 计算图.mkv
│  │    2.8 计算图的导数计算.mkv
│  │    2.9 logistic 回归中的梯度下降法.mkv
│  │    2.10 m 个样本的梯度下降.mkv
│  │    2.11 向量化.mkv
│  │    2.12 向量化的更多例子.mkv
│  │    2.13 向量化 logistic 回归.mkv
│  │    2.14 向量化 logistic 回归的梯度输出.mkv
│  │    2.15 Python 中的广播.mkv
│  │    2.16 关于 python _ numpy 向量的说明.mkv
│  │    2.17 Jupyter _ ipython 笔记本的快速指南.mkv
│  │    2.18 （选修）logistic 损失函数的解释.mkv
│  │    第二周quiz小测验.pdf
│  │    编程作业
│  │    课件.zip
│  │
│  ├─3.第三周浅层神经网络
│  │    3.1 神经网络概览.mkv
│  │    3.2 神经网络表示.mkv
│  │    3.3 计算神经网络的输出.mkv
│  │    3.4 多个例子中的向量化.mkv
│  │    3.5 向量化实现的解释.mkv
│  │    3.6 激活函数.mkv
│  │    3.7 为什么需要非线性激活函数？.mkv
│  │    3.8 激活函数的导数.mkv
│  │    3.9 神经网络的梯度下降法.mkv
│  │    3.10 反向传播直观学习.mkv
│  │    3.11 随机初始化.mkv
│  │    第三周quiz小测验.pdf
│  │    编程作业
│  │    课件.zip
│  │
│  ├─4.第四周深层神经网络
│  │    4.1 深层神经网络.mkv
│  │    4.2 深层网络中的前向传播.mkv
│  │    4.3 核对矩阵的维数.mkv
│  │    4.4 为什么使用深层表示.mkv
│  │    4.5 搭建深层神经网络块.mkv
│  │    4.6 前向和反向传播.mkv
│  │    4.7 参数 VS 超参数.mkv
│  │    4.8 这和大脑有什么关系？.mkv
│  │    第四周quiz小测验.pdf
│  │    编程作业
│  │    课件.zip
│  │
│  └─5.人工智能行业大师访谈
│       1. 吴恩达采访 Geoffrey Hinton.mkv
│       2. 吴恩达采访 Pieter Abbeel.mkv
│       3. 吴恩达采访 Ian Goodfellow.mkv
│
├─02.改善深层神经网络：超参数调试、正则化以及优化
│  ├─1.第一周深度学习的实用层面
│  │    1.1 训练_开发_测试集.mkv
│  │    1.2 偏差_方差.mkv
│  │    1.3 机器学习基础.mkv
│  │    1.4 正则化.mkv
│  │    1.5 为什么正则化可以减少过拟合？.mkv
│  │    1.6 Dropout 正则化.mkv
│  │    1.7 理解 Dropout.mkv
│  │    1.8 其他正则化方法.mkv
│  │    1.9 归一化输入.mkv
│  │    1.10 梯度消失与梯度爆炸.mkv
│  │    1.11 神经网络的权重初始化.mkv
│  │    1.12 梯度的数值逼近.mkv
│  │    1.13 梯度检验.mkv
│  │    1.14 关于梯度检验实现的注记.mkv
│  │    第一周 quiz小测验.pdf
│  │    编程作业
│  │    课件.zip
│  │
│  ├─2.第二周优化算法
│  │    2.1 Mini-batch 梯度下降法.mkv
│  │    2.2 理解 mini-batch 梯度下降法.mkv
│  │    2.3 指数加权平均.mkv
│  │    2.4 理解指数加权平均.mkv
│  │    2.5 指数加权平均的偏差修正.mkv
│  │    2.6 动量梯度下降法.mkv
│  │    2.7 RMSprop.mkv
│  │    2.8 Adam 优化算法.mkv
│  │    2.9 学习率衰减.mkv
│  │    2.10 局部最优的问题.mkv
│  │    第二周 quiz小测验.pdf
│  │    编程作业
│  │    课件.zip
│  │
│  ├─3.第三周超参数调试、Batch正则化和程序框架
│  │    3.1 调试处理.mkv
│  │    3.2 为超参数选择合适的范围.mkv
│  │    3.3 超参数训练的实践：Pandas VS Caviar.mkv
│  │    3.4 正则化网络的激活函数.mkv
│  │    3.5 将 Batch Norm 拟合进神经网络.mkv
│  │    3.6 Batch Norm 为什么奏效？.mkv
│  │    3.7 测试时的 Batch Norm.mkv
│  │    3.8 Softmax 回归.mkv
│  │    3.9 训练一个 Softmax 分类器.mkv
│  │    3.10 深度学习框架.mkv
│  │    3.11 TensorFlow.mkv
│  │    第三周 quiz 小测验.pdf
│  │    编程作业
│  │    课件.zip
│  │
│  └─4.人工智能行业大师访谈
│       1. 采访 Yoshua Bengio.mkv
│       2. 采访林元庆.mkv
│
├─03.结构化机器学习项目
│  ├─1.第一周机器学习（ML）策略（1）
│  │    1.1 为什么是 ML 策略.mkv
│  │    1.2 正交化.mkv
│  │    1.3 单一数字评估指标.mkv
│  │    1.4 满足和优化指标.mkv
│  │    1.5 训练_开发_测试集划分.mkv
│  │    1.6 开发集合测试集的大小.mkv
│  │    1.7 什么时候该改变开发_测试集和指标.mkv
│  │    1.8 为什么是人的表现.mkv
│  │    1.9 可避免偏差.mkv
│  │    1.10 理解人的表现.mkv
│  │    1.11 超过人的表现.mkv
│  │    1.12 改善你的模型的表现.mkv
│  │    第一周 quiz 小测验.pdf
│  │    课件.zip
│  │
│  ├─2.第二周机器学习（ML）策略（2）
│  │    2.1 进行误差分析.mkv
│  │    2.2 清除标注错误的数据.mkv
│  │    2.3 快速搭建你的第一个系统，并进行迭代.mkv
│  │    2.4 在不同的划分上进行训练并测试.mkv
│  │    2.5 不匹配数据划分的偏差和方差.mkv
│  │    2.6 定位数据不匹配.mkv
│  │    2.7 迁移学习.mkv
│  │    2.8 多任务学习.mkv
│  │    2.9 什么是端到端的深度学习.mkv
│  │    2.10 是否要使用端到端的深度学习.mkv
│  │    第二周quiz小测验.pdf
│  │    课件.zip
│  │
│  └─3.人工智能行业大师访谈
│       1. 采访 Andrej Karpathy.mkv
│       2. 采访 Ruslan Salakhutdinov.mkv
│
├─04.卷积神经网络
│  ├─第一周卷积神经网络
│  │    1.1 计算机视觉.mkv
│  │    1.2 边缘检测示例.mkv
│  │    1.3 更多边缘检测内容.mkv
│  │    1.4 Padding.mkv
│  │    1.5 卷积步长.mkv
│  │    1.6 三维卷积.mkv
│  │    1.7 单层卷积网络.mkv
│  │    1.8 简单卷积网络示例.mkv
│  │    1.9 池化层.mkv
│  │    1.10 卷积神经网络示例.mkv
│  │    1.11 为什么使用卷积？.mkv
│  │    第一周quiz小测验.pdf
│  │    编程作业
│  │    课件.zip
│  │
│  ├─第二周深度卷积网络：实例探究
│  │    2.1 为什么要进行实例探究？.mkv
│  │    2.2 经典网络.mkv
│  │    2.3 残差网络.mkv
│  │    2.4 残差网络为什么有用？.mkv
│  │    2.5 网络中的网络以及 1×1 卷积.mkv
│  │    2.6 谷歌 Inception 网络简介.mkv
│  │    2.7 Inception 网络.mkv
│  │    2.8 使用开源的实现方案.mkv
│  │    2.9 迁移学习.mkv
│  │    2.10 数据扩充.mkv
│  │    2.11 计算机视觉现状.mkv
│  │    第二周quiz小测验.pdf
│  │    编程作业
│  │    课件.zip
│  │
│  ├─第三周目标检测
│  │    3.1 目标定位.mkv
│  │    3.2 特征点检测.mkv
│  │    3.3 目标检测.mkv
│  │    3.4 卷积的滑动窗口实现.mkv
│  │    3.5 Bounding Box预测.mkv
│  │    3.6 交并比.mkv
│  │    3.7 非极大值抑制.mkv
│  │    3.8 Anchor Boxes.mkv
│  │    3.9 YOLO 算法.mkv
│  │    3.10 候选区域.mkv
│  │    第三周quiz小测验.pdf
│  │    编程作业
│  │    课件.zip
│  │
│  └─第四周特殊应用：人脸识别和神经风格转换
│       4.1 什么是人脸识别？.mkv
│       4.2  One-Shot 学习.mkv
│       4.3  Siamese 网络.mkv
│       4.4  Triplet 损失.mkv
│       4.5  面部验证与二分类.mkv
│       4.6  什么是神经风格转换？.mkv
│       4.7  什么是深度卷积网络？.mkv
│       4.8  代价函数.mkv
│       4.9  内容代价函数.mkv
│       4.10  风格代价函数.mkv
│       4.11 一维到三维推广.mkv
│       第四周quiz小测验.pdf
│       编程作业
│       课件.zip
│
└─05.序列模型
├─第一周循环序列模型
│    1.1为什么选择序列模型.mkv
│    1.2数学符号.mkv
│    1.3循环神经网络.mkv
│    1.4通过时间的方向传播.mkv
│    1.5不同类型的循环神经网络.mkv
│    1.6语言模型和序列生成.mkv
│    1.7对新序列采样.mkv
│    1.8带有神经网络的梯度消失.mkv
│    1.9 GRU 单元.mkv
│    1.10 长短期记忆（LSTM）.mkv
│    1.11 双向神经网络.mkv
│    1.12 深层循环神经网络.mkv
│    第一周quiz小测验.pdf
│    编程作业
│    课件.zip
│
├─第二周自然语言处理与词嵌入
│    2.1 词汇表征.mkv
│    2.2 使用词嵌入.mkv
│    2.3 词嵌入的特性.mkv
│    2.4 嵌入矩阵.mkv
│    2.5 学习词嵌入.mkv
│    2.6 Word2Vec.mkv
│    2.7 负采样.mkv
│    2.8 GloVe 词向量.mkv
│    2.9 情绪分类.mkv
│    2.10 词嵌入除偏.mkv
│    第二周quiz小测验.pdf
│    编程作业
│    课件.zip
│
└─第三周序列模型和注意力机制
         3.1 基础模型.mkv
         3.2 选择最可能的句子.mkv
         3.3 定向搜索.mkv
         3.4 改进定向搜索.mkv
         3.5 定向搜索的误差分析.mkv
         3.6 Bleu 得分（选修）.mkv
         3.7 注意力模型直观理解.mkv
         3.8 注意力模型.mkv
         3.9 语音辨识.mkv
         3.10 触发字检测.mkv
         3.11 结论和致谢.mkv
         第三周quiz小测验.pdf
         编程作业
         课件.zip

下载地址:afmk**71

游客，如果您要查看本帖隐藏内容请回复