一、機器學習基礎
1.線性代數
2.概率資訊理論
3.數值優化
二、深度學習基礎
1.深度學習介紹
2.感知器
3.人工神經網路
4.前饋神經網路
5.bp演算法
6.hessian矩陣
三、深度學習高階---卷積神經網路
1.cnn卷積神經網路
(1).卷積層（一維卷積、二維卷積）
(2).池化層（均值池化、最大池化）
(3). 全連線層
(4).啟用函式層
(5).softmax層
2.cnn卷積神經網路改進
(1).r-cnn （sppnet）
(2).fast-r-cnn
(3).faster-r-cnn （yolo、ssd）
3.深度學習的模型訓練技巧
4.梯度下降的優化方法詳解
四、深度學習軟體
(1).caffe
(2).tensorflow
(3).torch
(4).mxnet
五、cnn應用案例
(1).cnn與手寫數字集分類
(2).yolo實現目標檢測
(3).pixelnet原理與實現
(4).利用卷積神經網路做影象風格結合
六、深度學習——迴圈神經網路
1.rnn迴圈神經網路
(1).梯度計算
(2).bptt
2.rnn迴圈神經網路改進
(1).lstm
(2).gru
(3).bi-rnn
(4).attention based rnn
3.rnn實際應用
(1).seq2seq的原理與實現
七、強化學習
1.強化學習的理論知識
2.經典模型dqn講解
3.alphago原理講解
4.rl實際應用
(1).實現乙個alphago
八、對抗性生成網路
1.gan的理論知識
2.gan經典模型
3.gan經典模型
gan實際應用(1).dcgan提高模糊解析度
gan實際應用(2).infogan做特定的樣本生成
九、遷移學習
1.遷移學習的理論概述
2.遷移學習的常見方法
(1).基於特徵的遷移
(2).基於例項的遷移
(3).基於資料的遷移
(4).深度遷移學習
(5).強化遷移學習
(6).遷移學習的研究案例
(7).遷移學習的應用
深度學習筆記目錄
整理一下學習李巨集毅2020深度學習的課程筆記 1 machine learning 2020 course introduction 課程介紹 2 regression 回歸分析 3 basic concept 基礎概念 4 gradient descent 梯度下降 5 classificati...
深度學習（一）深度學習學習資料
持續更新 一 學習清單 1 收集了各種最新最經典的文獻，神經網路的資源列表 2 計算機視覺學習清單 3 機器學習學習清單 二 訓練資料 人臉資料 1 香港中文大學訓練資料集 此資料庫包含了20w張人臉，每張標註了5個特徵點 以及幾十種屬性 是否微笑 膚色 髮色 性別等屬性 2 68個人臉特徵點 3 ...
深度學習系列 深度學習簡介
機器學習 使用計算機系統利用經驗改善效能，是人工智慧領域的分支，也是實現人工智慧的一種手段。表徵學習關注如何自動找出表示資料的合適方式，以便更好地將輸入變換為正確的輸出。深度學習 具有多級表示的表徵方法，在每一級 原始資料開始 通過簡單的函式將該級的表示變換為更高階的表示。可以將深度學習看作多個簡單...