颜色分类leetcode Applied Deep Learning:应用深度学习
颜色分类leetcode应用深度学习课程目标和先决条件:这是一门为期两个学期的课程,主要为研究生设计。但是,也欢迎在概率、统计学(例如,线性和逻辑回归)、数值线性代数和优化方面表现出强大背景的本科生注册。我们的目标是让学生熟悉行业中采用的最先进的深度学习技术。深度学习是一个每隔几个月就会见证一次小型革命的领域。因此,注册本课程的学生渴望学习新概念非常重要。很多深度学习只是软件工程。因此,学生应该能够在完成作业时编写干净的代码。Python将是本课程中使用的编程语言。熟悉TensorFlow和PyTorch是一个加分项,但不是必需条件。但是,随着课程的进行,学生愿意努力学习和使用这两个框架是非常重要的。
第一部分主题(秋季学期):
-
训练深度神经网络
-
计算机视觉图像分类
-
大型网络
-
小型网络
-
自动机器学习
-
稳健性
-
可视化与理解
-
迁移学习
-
域适配
-
少拍学习
-
联邦学习
-
自我训练与对比学习
-
图像变换
-
语义分割
-
超分辨率、去噪和着色