4.1 信息熵在线视频

深度学习基础课程列表：

第一讲 深度学习概述

-1.1 深度学习的引出

-1.2 数据集及其拆分

-1.3 分类及其性能度量

-1.4 回归问题及其性能评价

-1.5 一致性的评价方法

-1.6 程序讲解：使用Sklearn进行精确率-召回率曲线的绘制

-第一讲讲义

-第一讲 作业

-附：1.6程序

第二讲 特征工程概述

- 2.1 特征工程

-2.2 向量空间模型及文本相似度计算

-2.3 特征处理(特征缩放、选择及降维)

-2.4 程序讲解：使用sklearn对文档进行向量化的实例

-2.5 程序讲解：使用sklearn进行量纲缩放的实例

- 第二讲 讲义

-第二讲 作业

-附：2.4程序

-附：2.5程序

第三讲 回归问题及正则化

-3.1 线性回归模型及其求解方法

-3.2 多元回归与多项式回归

-3.3 损失函数的正则化

- 3.4 逻辑回归

-3.5 程序讲解：使用sklearn进行线性回归和二次回归的比较的程序示例

-第三讲讲义

-第三讲 作业

-附：3.5程序

第四讲 信息熵及梯度计算

-4.1 信息熵

-4.2 反向传播中的梯度

-4.3 感知机

-4.4 程序讲解：正向传播和反向传播的程序示例

-4.5 程序讲解：信息熵和互信息的计算程序示例

-第四讲讲义

-第四讲 作业

-附：4.5程序

第五讲 循环神经网络及其变体

-5.1 循环神经网络

-5.2 长短时记忆网络

-5.3 双向循环神经网络和注意力机制

-5.4 程序讲解：循环神经网络的程序示例

-第五讲 讲义

-第五讲 作业

-附：5.4程序

第六讲 卷积神经网络

-6.1 卷积与卷积神经网络

-6.2 LeNet-5 模型分析

-6.3 程序讲解：卷积神经网络的程序示例

-第六讲 讲义

-第六讲 作业

-附：6.3程序

第七讲 递归神经网络

-7.1 情感分析及传统求解方法

-7.2 词向量

-7.3 递归神经网络及其变体

-第七讲 讲义

-第七讲 作业

第八讲 生成式神经网络

-8.1 自动编码器

-8.2 变分自动编码器

-8.3 生成对抗网络

-8.4 程序讲解：自动编码器程序示例

-第八讲 作业

-第八讲 讲义

-附：8.4程序

© 柠檬大学-慕课导航 课程版权归原始院校所有，
本网站仅通过互联网进行慕课课程索引，不提供在线课程学习和视频，请同学们点击报名到课程提供网站进行学习。