热门好课推荐
猜你喜欢
相关培训 相关博客
  • 原来中标的是网易云课堂!6月23日,吴恩达宣布离开百度三个月后的创业项目:Deeplearning.ai,8月8日,吴恩达的最新课程“DeepLearningSpecialization”正式在Coursera上线,当时AI科技大本营已经对课程内容做过详细解读。(详情内容请点击《刚刚,我们详细对比了吴恩达和Udacity的深度学习课程,你们感受下...》)不过,这门课...
    2017-08-30 09:58:10
    阅读量:8892
    评论:0
  • 时不时给自己充电,记笔记巩固记忆。我以前也接触过机器学习,往简单说就是以前统计理论的曲线拟合的概念包装,数据一多就变成机器学习或者叫做人工智能,也就是用数据做分析,得出分类或者回归的结果。以前是用SVM支持向量机做的毕业设计,用数据往函数里面一塞算上1~2天。所以在我的印象中,机器学习其实是个很学术的东西,实用意义不大。第一次听说深度学习是在AlphaGo的围棋比赛,把人类棋手一网打尽之后,才知...
    2018-02-22 16:11:28
    阅读量:2756
    评论:2
  • 01.神经网络和深度学习第二周 神经网络基础先说明最简单的二分类,即可以把结果分为0和1两类,或者说是否两种的分类情况。比如说判定图片中是否有猫,标记为有(1)或者无(0)。特征则是图片中像素点RGB三色的深度,对应于64x64像素的图像,特征量为64x64x3=12288。为了操作解释方便,我们会把特征进行排列,重组成纵列。一个特征对应一个标签,最后组成数据对(x,y)m个数据组合后把特征和...
    2018-02-22 21:45:38
    阅读量:853
    评论:1
  • 01.神经网络和深度学习第三周  浅层神经网络上一周的课程讲解了单神经元的正向及反向传播推导公式及向量化。一个神经元内部的操作分为两步:第一步是输入特征的线性组合,第二步是将z通过激活函数进行非线性变化得到a,也就是对y的拟合。先沿着正向计算损伤函数L(a,y),再反向计算梯度,沿着dw下降方向来调整参数w=w-α*dw。这里介绍一个典型的2层神经网络,第1层有4个神经元,第二层有1个...
    2018-03-02 00:01:26
    阅读量:689
    评论:0
  • 1.视频网站:mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文):http://www.ai-start.com/dl2017/3.github课件+作业+答案:https://github.com/stormstone/deeplearning.ai...
    2018-10-06 16:40:20
    阅读量:1498
    评论:0
  • 视频Coursera-官方课程视频网易云课堂-中文汉化视频资料前三课-302页吴恩达Deeplearning.ai课程笔记,详记基础知识与作业代码前三课-课程笔记v429第四课-在等吴恩达深度学习第5课的时候,你可以先看看第4课的笔记第五课-吴恩达深度学习系列课程完结,第五部分学霸笔记了解一下课程图文总结-1课程图文总结-2课程相关论文下载CSDN书籍...
    2018-04-07 15:45:01
    阅读量:816
    评论:0
  • 吴恩达老师深度学习视频课网址为:https://mooc.study.163.com/smartSpec/detail/1001319001.htm/?utm_source=weibo.com&utm_medium=timeline&utm_campaign=deepLearning&utm_content=wnd20170831这篇是基于之前所有笔记的简单总结,笔记列...
    2018-09-28 22:31:17
    阅读量:1237
    评论:2
  • 一.卷积神经网络1.计算机视觉图片分类、图片识别:给出64*64图片计算机判断是否是一只猫目标检测:检测出图片中有哪些物体以及他们的位置风格迁移:图片融合图片1的轮廓和图片2的风格eg:1000*1000大小的图片的特征向量将达到1000*1000*3(RGB3channels),若使用标准的全连接网络将需要产生数量巨大的权值。。。所以引入卷积神经网络 2.边缘检测示例卷积运算是CNN的基础,边...
    2018-04-09 10:21:17
    阅读量:701
    评论:0
  •         训练、验证和测试数据集(training、developmentandtestsets):训练神经网络时,我们需要作出很多决策,如神经网络分多少层(layers)、每层含有多少个隐藏层单元(hiddenunits)、学习率(learningrates)、各层采用哪些激活函数(activationfunctions)等。开始一个新应用时,我们不可能从一开始就准确预测出这些...
    2018-03-31 21:49:03
    阅读量:866
    评论:0