工业4.0大学培训平台
入门必读
专家团
常见问题
工业4.0创新平台
登录
注册
李飞飞讲“人工智能入门”
简介
本课程从计算机视觉的基础概念开始,在奠定了基本分类模型、神经网络和优化算法的基础后,重点详细介绍了CNN、RNN、GAN、RL等深度模型在计算机视觉上的应用。强烈推荐!
分类
默认分类
课程目标
了解人工智能
使用人工智能
学习人工智能算法
学习计算机视觉
适合人群
工程师
计算机科学家
人工智能开发
工业级应用
课程标签:
人工智能
查看课程
任务列表
第1任务: Lecture 1:计算机视觉的概述、历史背景以及课程计划
第2任务: Lecture 2:图像分类——包括数据驱动(Data-driven)方法等
第3任务: Lecture 3:损失函数和优化(Loss Function and optimization)
第4任务: Lecture 4:神经网络
第5任务: Lecture 5:卷积神经网络(CNN)
第6任务: Lecture 6:如何训练神经网络 I
第7任务: Lecture 7:如何训练神经网络 II
第8任务: Lecture 8: 深度学习软件基础
第9任务: Lecture 9:卷积神经网络架构(CNN Architectures)
第10任务: Lecture 10:循环神经网络(Recurrent Neural Networks)
第11任务: Lecture 11:检测与分割(Detection and Segmentation)
第12任务: Lecture 12:可视化和理解(Visualizing and Understanding)
第13任务: Lecture 13:生成模型(Generative Models)
第14任务: Lecture 14:强化学习(Reinforcement Learning)
第15任务: Lecture 15:深度学习高效的方法和硬件
第16任务: Lecture 16:对抗性样本和对抗性训练