30天入门人工智能实战课,神经网络到YOLOv3、Faster-RCNN目标检测的6章体系拆解
30天入门人工智能的视频课,6章31节,从神经网络、卷积神经网络讲到YOLO和Faster-RCNN目标检测,最后是数据增强、过拟合和正则化等训练技巧。在校学生、想转行的程序员或产品经理可以拿来打基础
这套《30天入门人工智能》课程一共6个章节、31个视频,从AI基础概念、神经网络原理,讲到卷积神经网络和经典网络结构,再进到YOLO、Faster-RCNN目标检测,最后是数据增强、错误分析、过拟合处理这些实际训练里会用到的技巧
课程按入门、基础、改进、常识、深入、技巧六步走。前两章先把神经网络从输入到输出的过程讲清楚,第三章处理训练中的优化问题,第四章展开卷积神经网络和LeNet-5、AlexNet、VGG-16、ResNet、Inception这些经典模型,第五章做目标检测,第六章讲训练技巧
全部内容是mp4视频,按01–31编号,零基础的话从第一章顺着往下看就行
适合哪些人学
- 在校学生(专科、本科、研究生及以上):加强基础知识点,为就业做准备,在面试阶段理清思路
- 职场新人(程序员、产品经理、项目管理等):了解基础知识,为转行做储备
- 行业爱好者:学习AI基础,了解行业动态
- 技术负责人、CTO:结合自身业务方向做技术落地
课程目录
第一章 入门(2节课)
学习目标:了解人工智能快速发展的背景,以及如何快速学习
- 人工智能入门知识点介绍
- 《30天入门人工智能》学习指南
第二章 基础(4节课)
学习目标:掌握深度学习网络、神经网络训练背后的逻辑
- 深度学习基础算法与逻辑输出
- 初级神经网络入门讲解
- 浅层神经网络入门指南
- 深度神经网络入门学习
第三章 改进(6节课)
学习目标:了解神经网络训练的协同问题,以及如何改进
- 深度学习网络的协同问题
- 深度学习优化:Mini-Batch梯度下降参数初始化
- 中间优化:激活函数
- 中间优化:网络同一批次化训练衰减
- 输出层优化:softmax分类器
- 输出层优化:多任务学习与多目标优化
第四章 常识(7节课)
学习目标:掌握经典神经网络,从简单到复杂的转变过程
- 人工智能核心基础:卷积神经网络(上)
- 人工智能核心基础:卷积神经网络(下)
- 经典神经网络讲解:LeNet-5
- 经典神经网络讲解:AlexNet
- 经典神经网络讲解:VGG-16
- 经典神经网络讲解:ResNet
- 经典神经网络讲解:Inception
第五章 深入(7节课)
学习目标:掌握目标检测相关知识
- 目标检测基础算法讲解与实现(背景与分类)
- YOLOv3目标检测算法的原理及实现(上)
- YOLOv3目标检测算法的原理及实现(下)
- YOLOv4目标检测算法的原理及实现(上)
- YOLOv4目标检测算法的原理及实现(下)
- Faster-RCNN目标检测算法的原理及实现(上)
- Faster-RCNN目标检测算法的原理及实现(下)
第六章 技巧(5节课)
学习目标:学习日常工作中的一些技巧知识点
- 网络训练技巧1:数据增强及设计
- 网络训练技巧2:错误分析及错误点修正
- 网络训练技巧3:过拟合欠拟合、梯度爆炸、梯度消失
- 网络训练技巧4:正则化技术、Dropout
- 项目训练评判:贝叶斯误差及网络评判
课程视频文件在本页获取,共31个mp4,编号与上面的章节顺序一致
资源目录一览
已核验有效本文隐藏内容
已解锁- 本文标题
- 30天入门人工智能实战课,神经网络到YOLOv3、Faster-RCNN目标检测的6章体系拆解
- 本文作者
- 蒋文
- 来源平台
- 网友投稿
- 本文链接
- https://www.zisuda.com/30-day-ai-neural-networks-yolov3-faster-rcnn
版权声明:本站所有资源均来自互联网公开分享或原创整理,仅供个人学习、技术交流与研究测试使用,版权归原作者所有
免责条款:任何个人或组织不得将本站资源用于商业用途。如无意中侵犯了您的知识产权或合法权益,请通过邮件(itsafeng@gmail.com)联系我们,我们将在收到通知并核实后第一时间进行删除下架处理







