课程目录
001.1-1 课程内容和理念.mp4；
002.1-2 初识深度学习.mp4；
003.1-3 课程使用的技术栈.mp4；
004.2-1 线性代数.mp4；
005.2-2 微积分.mp4；
006.2-3 概率.mp4；
007.3-1 CUDA+Anaconda深度学习环境搭建.mp4；
008.3-2 conda实用命令.mp4；
009.3-3 Jupyter Notebook快速上手.mp4；
010.3-4 深度学习库PyTorch安装.mp4；
011.4-1 神经网络原理.mp4；
012.4-2 多层感知机.mp4；
013.4-3 前向传播和反向传播.mp4；
014.4-4 多层感知机代码实现.mp4；
015.4-5 回归问题.mp4；
016.4-6 线性回归代码实现.mp4；
017.4-7 分类问题.mp4；
018.4-8 多分类问题代码实现.mp4；
019.5-1 训练的常见问题.mp4；
020.5-2 过拟合欠拟合应对策略.mp4；
021.5-3 过拟合和欠拟合示例.mp4；
022.5-4 正则化.mp4；
023.5-5 Dropout.mp4；
024.5-6 Dropout代码实现.mp4；
025.5-7 梯度消失和梯度爆炸.mp4；
026.5-8 模型文件的读写.mp4；
027.6-1 最优化与深度学习.mp4；
028.6-2 损失函数.mp4；
029.6-3 损失函数性质.mp4；
030.6-4 梯度下降.mp4；
031.6-5 随机梯度下降法.mp4；
032.6-6 小批量梯度下降法.mp4；
033.6-7 动量法.mp4；
034.6-8 AdaGrad算法.mp4；
035.6-9 RMSProp_Adadelta算法.mp4；
036.6-10 Adam算法.mp4；
037.6-11 梯度下降代码实现.mp4；
038.6-12 学习率调节器.mp4；
039.7-1 全连接层问题.mp4；
040.7-2 图像卷积.mp4；
041.7-3 卷积层.mp4；
042.7-4 卷积层常见操作.mp4；
043.7-5 池化层Pooling.mp4；
044.7-6 卷积神经网络代码实现（LeNet）.mp4；
045.8-1 AlexNet.mp4；
046.8-2 VGGNet.mp4；
047.8-3 批量规范化.mp4；
048.8-4 GoogLeNet.mp4；
049.8-5 ResNet.mp4；
050.8-6 DenseNet.mp4；
051.9-1 序列建模.mp4；
052.9-2 文本数据预处理.mp4；
053.9-3 循环神经网络.mp4；
054.9-4 随时间反向传播算法.mp4；
055.9-5 循环神经网络代码实现.mp4；
056.9-6 RNN的长期依赖问题.mp4；
057.10-1 深度循环神经网络.mp4；
058.10-2 双向循环神经网络.mp4；
059.10-3 门控循环单元.mp4；
060.10-4 长短期记忆网络.mp4；
061.10-5 复杂循环神经网络代码实现.mp4；
062.10-6 编码器-解码器网络.mp4；
063.10-7 序列到序列模型代码实现.mp4；
064.10-8 束搜索算法.mp4；
065.10-9 机器翻译简单代码实现.mp4；
066.11-1 什么是注意力机制.mp4；
067.11-2 注意力的计算.mp4；
068.11-3 键值对注意力和多头注意力.mp4；
069.11-4 自注意力机制.mp4；
070.11-5 注意力池化及代码实现.mp4；
071.11-6 Transformer模型.mp4；
072.11-7 Transformer代码实现.mp4；
073.12-1BERT模型.mp4；
074.12-2 GPT系列模型.mp4；
075.12-3 T5模型.mp4；
076.12-4 ViT模型.mp4；
077.12-5 Swin Transformer模型.mp4；
078.12-6 GPT模型代码实现.mp4；
079.13-1 蒙特卡洛方法.mp4；
080.13-2 变分推断.mp4；
081.13-3 变分自编码器.mp4；
082.13-4 生成对抗网络.mp4；
083.13-5 Diffusion扩散模型.mp4；
084.13-6 图像生成.mp4；
085.14-1 自定义数据加载.mp4；
086.14-2 图像数据增强.mp4；
087.14-3 迁移学习.mp4；
088.14-4 经典视觉数据集.mp4；
089.14-5 项目实战：猫狗大战.mp4；
090.15-1 词嵌入和word2vec.mp4；
091.15-2 词义搜索和句意表示.mp4；
092.15-3 预训练模型.mp4；
093.15-4 Hugging Face库介绍.mp4；
094.15-5 经典NLP数据集.mp4；
095.15-6 项目实战：电影评论情感分析.mp4；
096.16-1 InstructGPT模型.mp4；
097.16-2 CLIP模型.mp4；
098.16-3 DALL-E模型.mp4；
099.16-4 深度学习最新发展趋势分析.mp4；
100.16-5 下一步学习的建议.mp4
课程介绍
零基础到算法工程师实战速成！100节系统课覆盖深度学习核心（CNN/RNN/Transformer/BERT/GPT）+Python代码实操，含CV/NLP双项目实战，同步行业前沿技术，助你快速上岗。
