
神经网络与深度学习
本课程是人工智能专业的一门专业核心课程,是从事人工智能软件开发岗位的必修课程,其主要功能是使学生掌握深度神经网络知识,具备设计深度神经网络模型、编写深度学习应用程序的操作能力,并为学习大数据智能系统、高级人工智能应用等课程做好准备。
课程大纲
第一章 深度学习概论
* 本章介绍
第1节 深度学习的发展历程
第2节 深度学习的应用案例
第3节 深度学习的主流编程框架介绍
第4节 Ubuntu系统安装Anaconda、Tensorflow/Keras简要介绍
第5节 实验一:Anaconda、Tensorflow/Keras的安装
第6节 本章小结
第二章 深度学习基础
* 本章介绍
第1节 深度学习编程工具
第2节 Numpy编程
第3节 实验二:张量运算程序设计
第4节 本章小结
第三章 多层感知机网络
* 本章介绍
第1节 人工神经元和激活函数
第2节 多层感知机网络结构与前向传播
第3节 深度学习优化算法简述
第4节 反向传播算法
第5节 Softmax函数与交叉熵
第6节 深度网络训练技巧简述
第7节 利用Tensorflow/Keras构建多层感知机网络
第8节 实验三:基于Keras搭建多层感知机网络用于手写数字分类任务
第9节 本章小结
第四章 卷积神经网络图像识别原理与实践
* 本章介绍
第1节 卷积神经网络的发展历程
第2节 卷积神经网络的基本结构与流程
第3节 卷积层
第4节 池化层
第5节 全连接层
第6节 利用TensorFlow/Keras搭建卷积神经网络
第7节 实验四:基于Keras搭建卷积神经网络用于手写数字分类
第8节 本章小结
第五章 卷积神经网络进阶-经典模型及迁移学习
* 本章介绍
第1节 VGG卷积神经网络结构及原理
第2节 深度神经网络学习的一些困境及解决方案
第3节 迁移学习的基本概念
第4节 深度网络迁移学习的基本操作思路和注意事项
第5节 实验五:利用VGG模型进行深度神经网络迁移学习
第6节 本章小结
第六章 Callbacks与Tensorboard
* 本章介绍
第1节 内置Callbacks函数
第2节 自定义Callbacks函数
第3节 Tensorboard定义及使用
第4节 用plot_model绘制简易网络结构图
第5节 实验六:Callbacks函数及Tensorboard使用
第6节 本章小结
第七章 生成对抗网络GAN
* 本章介绍
第1节 生成对抗网络GAN的基本思路
第2节 GAN基本架构
第3节 生成器网络
第4节 判别器网络
第5节 GAN训练过程
第6节 GAN相关技巧
第7节 实验七:基于Keras构建GAN网络用于手写数字图像生成
第8节 本章小结
第八章 循环神经网络
* 本章介绍
第1节 循环神经网络(RNN)基础
第2节 BPTT算法
第3节 LSTM网络
第4节 GRU网络
第5节 实验八:基于Keras构建循环神经网络用于时间序列预测分析
第6节 本章小结
第九章 深度强化学习导论
* 本章介绍
第1节 强化学习简述
第2节 深度学习与强化学习的结合思路
第3节 Q-learning vs Deep Q-Network
第4节 深度强化学习应用领域
第5节 深度强化学习软件开发环境
第6节 实验九:利用Deep Q-Network控制倒立摆
第7节 本章小结
课件资源
-
视频数
114 -
文档数
13 -
题目数
183 -
实验数
9