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