深度学习理论与实践 课件全套 吕云翔 第1--7章 深度学习简介---神经网络与自然语言处理.pptx

第1章深度学习简介;深度学习简介;目录;第一节;计算机视觉的定义;计算机视觉的基本任务;图像处理技术;语义网络表示法;图像理解技术;计算机视觉的传统算法;;第二节;神经网络示例;;抽象与迭代的过程;现代深度学习;现代深度学习的过程;现代深度学习的过程;LeNet网络;AlexNet网络：LeNet“放大版”;第三节;自然语言;;自然语言处理的发展趋势;第四节;传统方法与神经网络方法的比较;第五节;强化学习;监督学习与非监督学习;强化学习的四个因素;;强化学习的特征;强化学习算法简介;Model-BasedVSModel-Free;基于概率VS基于价值;第六节;强化学习算法的应用;小结;谢谢观看;第2章深度学习框架及其对比;第一节;什么是深度学习框架;第二节;PyTorch简介;PyTorch的特点;PyTorch概述;第三节;;数据流图;TensorFlow的特点;TensorFlow概述;TensorFlow概述;TensorFlow概述;第四节;PaddlePaddle简介;PaddlePaddle的特点;PaddlePaddle概述;PaddlePaddle概述;PaddlePaddle概述;第五节;三者的比较;三者的比较;三者的比较;三者的比较;三者的比较;小结;谢谢观看;第3章机器学习基础;机器学习概述;关键术语;关键术语;机器学习的分类;机器学习的分类;人工智能、机器学习、以及神经网络和深度学习它们之间的具体关系;机器学习的模型构造过程;监督学习;线性回归;案例分析;Logistic回归;Logistic回归;Logistic回归;Logistic回归;案例分析;案例分析;最小近邻法;最小近邻法;最小近邻法;最小近邻法-距离的选择;最小近邻法-距离的选择;最小近邻法-K值的确定;?案例分析：;线性判别分析法;线性判别分析法-线性判别分析算法原理和公式求解;线性判别分析法-线性判别分析算法原理和公式求解;线性判别分析法-线性判别分析算法原理和公式求解;案例分析;朴素贝叶斯分类器;朴素贝叶斯分类器-朴素贝叶斯算法原理和公式推导：;朴素贝叶斯分类器-朴素贝叶斯算法原理和公式推导：;朴素贝叶斯分类器-朴素贝叶斯算法原理和公式推导：;朴素贝叶斯分类器-朴素贝叶斯算法原理和公式推导：;朴素贝叶斯分类器-朴素贝叶斯算法原理和公式推导：;案例分析;决策树分类算法;决策树分类算法;决策树分类算法;?案例分析;支持向量机分类算法;支持向量机分类算法-支持向量机算??原理和公式推导;支持向量机分类算法-支持向量机算法原理和公式推导;支持向量机分类算法-支持向量机算法原理和公式推导;支持向量机分类算法-支持向量机算法原理和公式推导;案例分析;非监督学习;非监督学习;划分式聚类方法;?K-means;?K-means;??案例分析;层次化聚类方法;层次化聚类方法;层次化聚类方法-凝聚层次聚类;层次化聚类方法-分裂层次聚类：;层次化聚类方法-Agnes凝聚层次聚类;?案例分析;?案例分析;基于密度的聚类方法;?DBSCAN-基本术语;?DBSCAN-基本术语;?DBSCAN-基本术语;?DBSCAN;?案例分析;?强化学习;?强化学习vs监督学习和非监督学习;?强化学习问题描述;?强化学习问题描述;?强化学习问题描述;?强化学习问题描述-策略（Policy）;?强化学习问题描述-价值函数（ValueFunction）;?强化学习问题描述-环境的模型;?强化学习问题分类;?案例分析;?案例分析;?案例分析;?神经网络和深度学习;?感知器模型;?感知器模型;?感知器模型;?感知器模型;?前馈神经网络;?前馈神经网络;?前馈神经网络;?卷积神经网络;?卷积神经网络-手写数字识别;?卷积神经网络-具体工作流程;?卷积神经网络-具体工作流程;?卷积神经网络;?其它类型结构的神经网络;?其它类型结构的神经网络;?案例分析;?案例分析;?案例分析;?案例:银行贷款用户筛选;?案例:银行贷款用户筛选;?案例:银行贷款用户筛选-模型构造;?案例:银行贷款用户筛选-预测函数的参数求解;?案例:银行贷款用户筛选-用户筛选分类预测;;;导入;目录;;线性回归;线性回归;线性回归;线性回归;线性回归;线性回归;线性回归;线性回归;;Logistic回归;Logistic回归;Logistic回归;Logistic回归;;用PyTorch实现logisticregression;用PyTorch实现logisticregression;用PyTorch实现logisticregression;用PyTorch实现logisticregression;用PyTorch实现logisticregres