哈尔滨工业大学-深度学习基础（MOOC）
本课程共48集 翻译完 欢迎学习
立即播放
用手机看
课程免费缓存，随时观看～
扫码下载网易公开课APP
收藏
课程列表
【第1集】[1.1.1]--深度学习的引出（上） 译
【第2集】[1.1.1]--深度学习的引出（下） 译
【第3集】[1.2.1]--数据集及其拆分（上） 译
【第4集】[1.2.1]--数据集及其拆分（下） 译
【第5集】[1.3.1]--分类及其性能度量（上） 译
【第6集】[1.3.1]--分类及其性能度量（下） 译
【第7集】[1.4.1]--回归问题及其性能评价（上） 译
【第8集】[1.4.1]--回归问题及其性能评价（下） 译
【第9集】[1.5.1]--一致性的评价方法 译
【第10集】[1.6.1]--使用Sklearn进行精确率-召回率曲线的绘制 译
【第11集】[2.1.1]--特征工程（上） 译
【第12集】[2.1.1]--特征工程（下） 译
【第13集】[2.2.1]--向量空间模型及文本相似度计算（上） 译
【第14集】[2.2.1]--向量空间模型及文本相似度计算（下） 译
【第15集】[2.3.1]--特征处理(特征缩放、选择及降维)（上） 译
【第16集】[2.3.1]--特征处理(特征缩放、选择及降维)（下） 译
【第17集】[2.4.1]--程序示例：（使用sklearn）基于词频的文档向量化 译
【第18集】[2.5.1]--使用sklearn进行量纲的缩放 译
【第19集】[3.1.1]--线性回归模型及其求解方法（上） 译
【第20集】[3.1.1]--线性回归模型及其求解方法（下） 译
【第21集】[3.2.1]--多元回归与多项式回归（上） 译
【第22集】[3.2.1]--多元回归与多项式回归（下） 译
【第23集】[3.3.1]--损失函数的正则化（上） 译
【第24集】[3.3.1]--损失函数的正则化（下） 译
【第25集】[3.4.1]--逻辑回归 译
【第26集】[3.5.1]--使用sklearn进行线性回归和二次回归的比较 译
【第27集】[4.1.1]--信息熵（上） 译
【第28集】[4.1.1]--信息熵（下） 译
【第29集】[4.2.1]--反向传播中的梯度 译
【第30集】[4.3.1]--感知机（上） 译
【第31集】[4.3.1]--感知机（下） 译
【第32集】[4.4.1]--程序示例：正向传播和反向传播 译
【第33集】[4.5.1]--程序讲解：信息熵和互信息的计算程序示例 译
【第34集】[5.1.1]--循环神经网络（上） 译
【第35集】[5.1.1]--循环神经网络（下） 译
【第36集】[5.2.1]--长短时记忆网络（上） 译
【第37集】[5.2.1]--长短时记忆网络（下） 译
【第38集】[5.3.1]--双向循环神经网络和注意力机制 译
【第39集】[5.4.1]--程序示例：循环神经网络的应用示例（上） 译
【第40集】[5.4.1]--程序示例：循环神经网络的应用示例（下） 译
【第41集】[6.1.1]--卷积与卷积神经网络（上） 译
【第42集】[6.1.1]--卷积与卷积神经网络（下） 译
【第43集】[6.2.1]--LeNet-5模型分析（上） 译
【第44集】[6.2.1]--LeNet-5模型分析（下） 译
【第45集】[6.3.1]--程序示例：卷积神经网络（上） 译
【第46集】[6.3.1]--程序示例：卷积神经网络（下） 译
【第47集】[7.1.1]--情感分析及传统求解方法（上） 译
【第48集】[7.1.1]--情感分析及传统求解方法（下） 译
【第49集】[7.3.1]--递归神经网络及其变体（上） 译
【第50集】[7.3.1]--递归神经网络及其变体（下） 译
【第51集】[8.1.1]--自动编码器（上） 译
【第52集】[8.1.1]--自动编码器（下） 译
【第53集】[8.2.1]--变分自动编码器（上） 译
【第54集】[8.2.1]--变分自动编码器（下） 译
【第55集】[8.3.1]--生成对抗网络（上） 译
【第56集】[8.3.1]--生成对抗网络（下） 译
【第57集】[8.4.1]--程序讲解：自动编码器程序示例（上） 译
【第58集】[8.4.1]--程序讲解：自动编码器程序示例（下） 译
查看全部课程
相关推荐
