2.5实践: 豆瓣高分电影爬取
2.5.5数据展礻与分析
3.1.1机器学习定义与基本术语
3.1.2机器学习的三要素
3.1.3机器学习方法概述
3.2.3数据集不平衡
3.3.2特征选择与特征降维
3.5实践: 鸢尾花分类
4.1深度学习发展曆程
4.2.1感知机的起源
4.2.2感知机的局限性
4.3.4反向传播算法
4.4提升神经网络训练的技巧
4.4.1参数更新方法
4.4.3参数的初始化
4.5.1深度学习框架的作用
4.5.2常见深度学习框架
4.6实践: 手写数字识别
4.6.2网络结构定义
5.3.1全连接层的问题
5.3.5矩阵快速卷积
5.7典型卷积神经网络
5.8实践: 猫狗识别
6.1循环神经网络简介
6.1.1循环神经网络的结構与计算能力
6.1.3循环神经网络变种结构
6.1.4深度循环神经网络
6.1.5递归神经网络
6.2长期依赖和门控RNN
6.2.1长期依赖的挑战
6.2.2循环神经网络的长期依赖问题
6.2.4优化长期依赖
6.5实践: 电影评论情感分析
6.5.2网络结构定义
7.1.1变分自编码器
7.1.2生成对抗网络
7.2.1强化学习模型
7.2.2强化学习分类
7.2.3深度强化学习
7.2.5深度强化学习应用
7.3.1迁移學习的定义与分类
7.3.2迁移学习的基本方法
7.4实践: 生成对抗网络
7.4.3模型训练与预测
第8章深度学习应用: 计算机视觉
8.1.1传统目标检测
8.1.2基于区域的卷积鉮经网络目标检测
8.1.3基于回归的卷积神经网络目标检测
8.2.1传统语义分割方法
8.2.2基于卷积神经网络的语义分割
8.3实践: 目标检测
第9章深度学习应用: 洎然语言处理
9.1自然语言处理的基本过程
9.2自然语言处理应用
9.3实践: 机器翻译
9.3.2网络结构定义