神经网络与深度学习
<strong>关于本书</strong>近年来，以机器学习、知识图谱为代表的人工智能技术逐渐变得普及。从车牌识别、人脸识别、语音识别、智能问答、推荐系统到自动驾驶，人们在日常生活中都可能有意无意地使用到了人工智能技术。这些技术的背后都离不开人工智能领域研究者们的长期努力。特别是最近这几年，得益于数据的增多、计算能力的增强、学习算法的成熟以及应用场景的丰富，越来越多的人开始关注这一个“崭新”的研究领域：<i>深度学习</i>。深度学习以神经网络为主要模型，一开始用来解决机器学习中的表示学习问题。但是由于其强大的能力，深度学习越来越多地用来解决一些通用人工智能问题，比如推理、决策等。目前，深度学习技术在学术界和工业界取得了广泛的成功，受到高度重视，并掀起新一轮的人工智能热潮。本课程主要介绍神经网络与深度学习中的基础知识、主要模型（卷积神经网络、循环神经网络等）以及在计算机视觉、自然语言处理等领域的应用。<br />GitHub地址：https://nndl.github.io/<br />
书籍下载：https://nndl.github.io/nndl-book.pdf<br />
课后练习：https://github.com/nndl/exercise<br />
<strong>章节内容</strong>
<ul class="litype_1">
<li>
<span>绪论</span>[<span>ppt</span>] (updated 2019-4-4)
</li>
<li>
<span>机器学习概述</span> [<span>ppt</span>] (updated 2019-4-4)
</li>
<li>
<span>线性模型</span> [<span>ppt</span>] (updated 2019-4-4)
</li>
<li>
<span>前馈神经网络</span> [<span>ppt</span>] (updated 2019-4-4)
</li>
<li>
<span>卷积神经网络</span> [<span>ppt</span>] (updated 2019-4-4)
</li>
<li>
<span>循环神经网络</span> [<span>ppt</span>] (updated 2019-4-4)
</li>
<li>
<span>网络优化与正则化</span> [<span>ppt</span>] (updated 2019-4-4)
</li>
<li>
<span>注意力机制与外部记忆</span> [<span>ppt</span>] (updated 2019-4-4)
</li>
<li>
<span>无监督学习</span> [<span>ppt</span>] (updated 2019-4-4)
</li>
<li>
<span>模型独立的学习方式</span> (updated 2019-4-4)
</li>
<li>
<span>概率图模型</span> [<span>ppt</span>] (updated 2019-4-4)
</li>
<li>
<span>深度信念网络</span> [<span>ppt</span>] (updated 2019-4-4)
</li>
<li>
<span>深度生成模型</span>[<span>ppt</span>] (updated 2019-4-4)
</li>
<li>
<span>深度强化学习</span> [<span>ppt</span>] (updated 2019-4-4)
</li>
<li>
<span>序列生成模型</span> (updated 2019-4-4) 一个过时版本：<span>词嵌入与语言模型</span>
</li>
<li>
<span>数学基础</span> (updated 2019-4-4)<br />
</li>
</ul>
页:
[1]