深度学习工程师认证课程
体系课

深度学习工程师认证课程

  • 深度学习

助力学员迅速进入人工智能领域,深刻掌握深度学习领域基础知识。

¥5980
本课程包括
  • 11小时38分钟的视频随时观看
  • 可在APP随时观看
  • 结业证书
课程合作品牌
百度技术培训中心
你将收获
  • 了解学习人工智能需要掌握哪些数学知识和Python类库
  • 掌握机器学习基础概念,掌握常用的机器学习算法原理
  • 深刻掌握深度学习的算法框架,深刻掌握深度神经网络的计算流程
  • 掌握卷积神经网络的算法原理和过程,深刻理解卷积操作、池化操作等算子
  • 掌握循环神经网络的原理与其经典模型

数千家企业正在使用三节课企业版学习

无限制学习5000+门课程,200+精选学习专题

免费申请体验>
课程介绍

本课程为深度学习工程师认证的配套课程,由百度深度学习布道师讲解机器学习、深度学习飞桨框架语法与项目实战,助力学员迅速进入人工智能领域,深刻掌握深度学习领域基础知识。

本套课程从算法原理起步,深入浅出的讲述算法推演过程,力求做到知其然更知其所以然,最终落实到代码实战完成经典的回归和分类任务。

适合人群
  • 传统行业软件工程师,希望帮助企业实现技术突破
  • 互联网行业技术岗位从业者希望掌握人工智能应用开发技能
  • 想要理解并掌握推荐系统知识体系的开发者
  • 可作为立志转行AI应用行业者的理论课和实践课
  • 可作为AI从业者继续学习深造的强化课程
讲师介绍
百度技术的布道者和赋能者
擅长领域:
  • 深度学习
  • 大数据系统
百度技术培训中心是百度技术的布道者和赋能者。最早是由百度大技术部各位技术总监共同发起成立的一个跨部门组织,目的是搭建知识共享平台,提升技术人员能力,助力业务发展。随着组织和业务的快速发展,现如今已成为横跨公司所有事业群组,服务于百度最重要的三个专业序列(技术、产品、用户体验)的人才发展组织。 2008年至今,创建了以百度业务、技术和人才战略为出发点,以专业人才能力发展为导向,以学习地图及配套的培训课程为核心,以多元化学习活动为支撑的人才发展模式,积累了涵盖专业技能、专业知识、通用技能、项目管理和工程师文化等一系列自主研发的课程和学习活动。科技创新驱动社会变革,2017年正式对外开放,将百度的技术和方法回馈社会,秉承“智达天下、育才未来”的宗旨,繁荣技术生态,培养优秀互联网技术人才,提升社会和行业的技术水平,实现百度与社会共同进步。
百度技术学院特约讲师
擅长领域:
  • 深度学习
北航软件工程硕士、美国佛罗里达国际大学高性能数据库研究中心助理研究员,书籍《PaddlePaddle深度学习实战》及《深度学习工程师认证初级教程》的主要作者。
课程大纲
共0节 时长0分钟 全部收起
一、数学基础简介
7分钟
二、Python简介与常用类库简介
12分钟
三、机器学习
共18节 | 3小时27分钟
  • 1.1什么是机器学习
    8分钟
  • 1.2机器学习的基本概念
    6分钟
  • 1.3监督学习、非监督学习、强化学习
    10分钟
  • 2.1决策树的基本描述
    11分钟
  • 2.2决策树的特征选择1
    10分钟
  • 2.3决策树的特征选择2
    8分钟
  • 2.4决策树的构建
    14分钟
  • 2.5离散化、缺失值、剪枝和优缺点分析
    18分钟
  • 3.1先验概率-条件概率
    13分钟
  • 3.2全概率公式-后验概率
    9分钟
  • 3.3数学表示、算法流程及优缺点
    7分钟
  • 4.1支持向量机
    12分钟
  • 4.2SVM最优化问题的数学推导
    15分钟
  • 4.3拉格朗日乘数法
    11分钟
  • 4.4凸优化问题
    14分钟
  • 4.5拉格朗日对偶问题
    13分钟
  • 4.6SVM最优化问题的计算
    17分钟
  • 4.7软间隔,核函数,SVM有优缺点分析
    11分钟
四、深度学习
共28节 | 4小时38分钟
  • 1.1人工智能及其发展历程
    10分钟
  • 1.2机器学习与深度学习介绍
    21分钟
  • 2.1神经元
    6分钟
  • 2.2深度学习系统
    7分钟
  • 2.3全链接网络
    5分钟
  • 2.4深度学习三部曲概述
    5分钟
  • 2.5正向传播1-参数
    6分钟
  • 2.6正向传播2-激活函数
    9分钟
  • 2.7正向传播-示例
    5分钟
  • 2.8损失函数
    10分钟
  • 2.9反向传播
    11分钟
  • 2.10梯度下降
    15分钟
  • 2.11梯度下降的三种方法
    7分钟
  • 2.12深度前馈神经网络总结
    6分钟
  • 3.1一维卷积运算
    10分钟
  • 3.2二维卷积运算
    7分钟
  • 3.3二维多通道卷积运算
    6分钟
  • 3.4常见的视觉任务
    11分钟
  • 3.5使用卷积神经网络的原因和效果
    12分钟
  • 3.6使用卷积操作提取特征
    11分钟
  • 3.7卷积核的分析与计算
    16分钟
  • 3.8池化操作
    7分钟
  • 4.1前导知识
    18分钟
  • 4.2循环神经网络按照时刻序列接受数据
    8分钟
  • 4.3循环神经网络的内部构造
    9分钟
  • 4.4经典循环神经网络_LSTM_GRU
    18分钟
  • 5.1玻尔兹曼机与深度信念网络
    7分钟
  • 5.2有向生成网络和生成随机网络
    16分钟
五、深度学习平台实践
共11节 | 2小时32分钟
  • 1.1深度学习框架的意义
    14分钟
  • 1.2飞桨平台介绍
    9分钟
  • 1.3飞桨语法入门
    11分钟
  • 2.1数据预处理
    15分钟
  • 2.2模型设计,训练配置
    11分钟
  • 2.3模型训练
    14分钟
  • 2.4模型保存,预测
    12分钟
  • 3.1手写数字识别-导入库
    12分钟
  • 3.2模型设计,训练过程,测试过程
    18分钟
  • 3.3梯度下降策略
    18分钟
  • 3.4softmax与交叉熵损失函数
    18分钟
六、深度学习行业应用案例
共4节 | 41分钟
  • 1.基于深度学习的计算机视觉技术
    10分钟
  • 2.基于深度学习的自然语言处理技术
    11分钟
  • 3.基于深度学习的推荐系统技术
    9分钟
  • 4.基于深度学习的语音技术
    11分钟
购课须知

课程有效期:

自购买课程之日起 365 天,部分参与营销活动产品以活动规则为准,请同学在有效期内学习、观看课程。

上课模式:

课程采取录播模式,请注意自学课无班级微信群、班主任带班及助教批改服务。

注:自学课不支持退款,确保你是真的需要再进行报名,报完名之后还请认真学习。