视频课程目录：
第一讲 深度学习概述
第二讲 特征工程概述
第三讲 回归问题及正则化
第四讲 信息熵及梯度计算
第五讲 循环神经网络及其变体
第六讲 卷积神经网络
第七讲 递归神经网络
第八讲 生成式神经网络
第九讲 预训练模型及其应用
课程详细目录：
├─{01}--第一讲深度学习概述
│ ├─{01}--1.1深度学习的引出
│ │ [1.1.1]--深度学习的引出.mp4
│ │
│ ├─{02}--1.2数据集及其拆分
│ │ [1.2.1]--数据集及其拆分.mp4
│ │
│ ├─{03}--1.3分类及其性能度量
│ │ [1.3.1]--分类及其性能度量.mp4
│ │
│ ├─{04}--1.4回归问题及其性能评价
│ │ [1.4.1]--回归问题及其性能评价.mp4
│ │
│ ├─{05}--1.5一致性的评价方法
│ │ [1.5.1]--一致性的评价方法.mp4
│ │
│ ├─{06}--1.6程序讲解：使用Sklearn进行精确率-召回率曲线的绘制
│ │ [1.6.1]--使用Sklearn进行精确率-召回率曲线的绘制.mp4
│ │
│ ├─{07}--第一讲讲义
│ │ (1.7.1)--第一讲讲义.pdf
│ │
│ ├─{08}--（附）使用Sklearn进行精确率-召回率曲线的绘制程序
│ │ #1.8.1#--（附）使用Sklearn进行精确率-召回率曲线的绘制程序.pdf
│ │
│ └─{09}--1.7深度学习芯片及常用框架介绍
│ [1.9.1]--深度学习芯片及常用框架介绍.mp4
│
├─{02}--第二讲特征工程概述
│ ├─{01}--2.1特征工程
│ │ [2.1.1]--特征工程.mp4
│ │
│ ├─{02}--2.2向量空间模型及文本相似度计算
│ │ [2.2.1]--向量空间模型及文本相似度计算.mp4
│ │
│ ├─{03}--2.3特征处理(特征缩放、选择及降维)
│ │ [2.3.1]--特征处理(特征缩放、选择及降维).mp4
│ │
│ ├─{04}--2.4程序讲解：使用sklearn对文档进行向量化的程序示例
│ │ [2.4.1]--程序示例：（使用sklearn）基于词频的文档向量化.mp4
│ │
│ ├─{05}--2.5程序讲解：使用sklearn进行量纲缩放的程序示例
│ │ [2.5.1]--使用sklearn进行量纲的缩放.mp4
│ │
│ ├─{06}--第二讲讲义
│ │ (2.6.1)--第二讲讲义.pdf
│ │
│ ├─{07}--（附）使用sklearn对文档进行向量化的程序
│ │ #2.7.1#--（附）使用sklearn对文档进行向量化的程序.pdf
│ │
│ └─{08}--（附）使用sklearn进行量纲缩放的程序
│ #2.8.1#--（附）使用sklearn进行量纲缩放的程序.pdf
│
├─{03}--第三讲回归问题及正则化
│ ├─{01}--3.1线性回归模型及其求解方法
│ │ [3.1.1]--线性回归模型及其求解方法.mp4
│ │
│ ├─{02}--3.2多元回归与多项式回归
│ │ [3.2.1]--多元回归与多项式回归.mp4
│ │
│ ├─{03}--3.3损失函数的正则化
│ │ [3.3.1]--损失函数的正则化.mp4
│ │
│ ├─{04}--3.4逻辑回归
│ │ [3.4.1]--逻辑回归.mp4
│ │
│ ├─{05}--3.5程序讲解：使用sklearn进行线性回归和二次回归的比较的
│ │ [3.5.1]--使用sklearn进行线性回归和二次回归的比较.mp4
│ │
│ ├─{06}--第三讲讲义
│ │ (3.6.1)--第三讲课件.pdf
│ │
│ ├─{07}--（附）使用sklearn进行线性回归和二次回归的比较程序
│ │ #3.7.1#--（附）使用sklearn进行线性回归和二次回归的比较程序.pdf
│ │
│ └─{08}--3.6案例分析：（MindSpore框架下）线性回归模型及动态绘
│ [3.8.1]--案例分析：MindSpore框架下线性回归模型及动态绘图实践示例.mp4
│
├─{04}--第四讲信息熵及梯度计算
│ ├─{01}--4.1信息熵
│ │ [4.1.1]--信息熵.mp4
│ │
│ ├─{02}--4.2反向传播中的梯度
│ │ [4.2.1]--反向传播中的梯度.mp4
│ │
│ ├─{03}--4.3感知机
│ │ [4.3.1]--感知机.mp4
│ │
│ ├─{04}--4.4程序讲解：正向传播和反向传播的程序示例
│ │ [4.4.1]--程序示例：正向传播和反向传播.mp4
│ │
│ ├─{05}--4.5程序讲解：信息熵和互信息的计算程序示例
│ │ [4.5.1]--程序讲解：信息熵和互信息的计算程序示例.mp4
│ │
│ ├─{06}--（附）信息熵和互信息的计算程序
│ │ #4.6.1#--（附）信息熵和互信息的计算程序.pdf
│ │
│ └─{07}--第四讲讲义
│ (4.7.1)--第四讲讲义.pdf
│
├─{05}--第五讲循环神经网络及其变体
│ ├─{01}--5.1循环神经网络
│ │ [5.1.1]--循环神经网络.mp4
│ │
│ ├─{02}--5.2长短时记忆网络
│ │ [5.2.1]--长短时记忆网络.mp4
│ │
│ ├─{03}--5.3双向循环神经网络和注意力机制
│ │ [5.3.1]--双向循环神经网络和注意力机制.mp4
│ │
│ ├─{04}--5.4程序讲解：循环神经网络的程序示例
│ │ [5.4.1]--程序示例：循环神经网络的应用示例.mp4
│ │
│ ├─{05}--第五讲讲义
│ │ (5.5.1)--第五讲课件.pdf
│ │
│ └─{06}--（附）循环神经网络的程序
│ #5.6.1#--（附）循环神经网络的程序.pdf
│
├─{06}--第六讲卷积神经网络
│ ├─{01}--6.1卷积与卷积神经网络
│ │ [6.1.1]--卷积与卷积神经网络.mp4
│ │
│ ├─{02}--6.2LeNet-5模型分析
│ │ [6.2.1]--LeNet-5模型分析.mp4
│ │
│ ├─{03}--6.3程序讲解：卷积神经网络的程序示例
│ │ [6.3.1]--程序示例：卷积神经网络.mp4
│ │
│ ├─{04}--第六讲讲义
│ │ (6.4.1)--第六讲课件.pdf
│ │
│ ├─{05}--（附）卷积神经网络的程序
│ │ #6.5.1#--（附）卷积神经网络的程序.pdf
│ │
│ └─{06}--6.4案例分析：（MindSpore框架下）基于lenet5的手
│ [6.6.1]--案例分析：MindSpore框架下基于lenet5的手写数字识别.mp4
│
├─{07}--第七讲递归神经网络
│ ├─{01}--7.1情感分析及传统求解方法
│ │ [7.1.1]--情感分析及传统求解方法.mp4
│ │
│ ├─{02}--7.2词向量
│ │ [7.2.1]--词向量.mp4
│ │
│ ├─{03}--7.3递归神经网络及其变体
│ │ [7.3.1]--递归神经网络及其变体.mp4
│ │
│ ├─{04}--第七讲讲义
│ │ (7.4.1)--第七讲课件.pdf
│ │
│ └─{05}--7.4案例分析：（MindSpore框架下）基于LSTM的情感分
│ [7.5.1]--案例分析：MindSpore框架下基于LSTM的情感分类实践示例.mp4
│
├─{08}--第八讲生成式神经网络
│ ├─{01}--8.1自动编码器
│ │ [8.1.1]--自动编码器.mp4
│ │
│ ├─{02}--8.2变分自动编码器
│ │ [8.2.1]--变分自动编码器.mp4
│ │
│ ├─{03}--8.3生成对抗网络
│ │ [8.3.1]--生成对抗网络.mp4
│ │
│ ├─{04}--8.4程序讲解：自动编码器程序示例
│ │ [8.4.1]--程序讲解：自动编码器程序示例.mp4
│ │
│ ├─{05}--第八讲讲义
│ │ (8.5.1)--第八讲课件.pdf
│ │
│ ├─{06}--（附）自动编码器程序
│ │ #8.6.1#--（附）自动编码器程序.pdf
│ │
│ └─{07}--8.5案例分析：（MindSpore框架下）基于Cyclegan
│ [8.7.1]--案例分析：MindSpore框架下基于Cyclegan的图像风格.mp4
│
└─{09}--第九讲预训练模型及其应用
├─{01}--9.1Transformer模型
│ [9.1.1]--Transformer模型.mp4
│
├─{02}--9.2预训练模型
│ [9.2.1]--预训练模型.mp4
│
├─{03}--9.3案例分析：（Mindspore框架下）基于BERT网络实现
│ [9.3.1]--MindSpore框架下基于BERT网络实现智能写诗的实践示例.mp4
│
└─{04}--9.4案例分析：（MindSpore框架下）transforme
[9.4.1]--案例分析：MindSpore框架下transformer机器翻译.mp4
以上为简介部分内容，详细请成为会员后查看！
你可能想看：