資料目錄：
├─第01章 課程引導(dǎo)
│ 第1節(jié)： 開(kāi)場(chǎng)白.mp4
│ 第2節(jié)1-1： 課程安排I.mp4
│ 第2節(jié)2-2： 課程安排II.mp4
│ 第3節(jié)1-1： 緒論II (1).mp4
│ 第3節(jié)2-2： 緒論II (2).mp4
│
├─第02章 神經(jīng)網(wǎng)絡(luò)深?
│ 第1節(jié)： 從優(yōu)化問(wèn)題講起I.mp4
│ 第2節(jié)：【實(shí)戰(zhàn)】擬合問(wèn)題.mp4
│ 第3節(jié)： 從優(yōu)化問(wèn)題講起 II.mp4
│ 第4節(jié)：實(shí)戰(zhàn)：優(yōu)化方法比較從優(yōu)化問(wèn)題講起 II.mp4
│ 第5節(jié)：深度神經(jīng)網(wǎng)絡(luò).mp4
│ 第6節(jié)：【實(shí)戰(zhàn)】使用神經(jīng)網(wǎng)絡(luò)建模MNIST數(shù)據(jù).mp4
│ 第7節(jié)：【實(shí)戰(zhàn)】激活函數(shù)與優(yōu)化方法.mp4
│ 第8節(jié)：正則化方法 I.mp4
│ 第9節(jié)：正則化方法 II.mp4
│ 第10節(jié)：【實(shí)戰(zhàn)】正則化方法.mp4
│ 第11節(jié)： 模型性能評(píng)價(jià).mp4
│ 第12節(jié)：【實(shí)戰(zhàn)】模型性能評(píng)價(jià)指標(biāo).mp4
│ 第13節(jié)：深度學(xué)習(xí)能力邊界.mp4
│ 作業(yè).txt
│
├─第03章 圖像分類與目標(biāo)檢測(cè)
│ 第三章第1節(jié)： 卷積的基本概念I(lǐng).mp4
│ 第三章第1節(jié)： 卷積的基本概念I(lǐng)I.mp4
│ 第三章第1節(jié)： 卷積的基本概念I(lǐng)II.mp4
│ 第三章第2節(jié)： 2.4 實(shí)戰(zhàn)：異構(gòu)深度學(xué)習(xí)環(huán)境搭建.mp4
│ 第三章第3節(jié)： 2.5 實(shí)戰(zhàn)：卷積層的實(shí)現(xiàn).mp4
│ 第三章第4節(jié)： 2.6 典型卷積神經(jīng)網(wǎng)絡(luò).mp4
│ 第三章第5節(jié)： 2.7 實(shí)戰(zhàn)：簡(jiǎn)單的卷積神經(jīng)網(wǎng)絡(luò).mp4
│ 第三章第6節(jié)： AlexNet模型.mp4
│ 第三章第6節(jié)： LeNet模型.mp4
│ 第三章第6節(jié)： ResNet模型.mp4
│ 第三章第6節(jié)： VGGNet模型.mp4
│ 第三章第7節(jié)： 【實(shí)戰(zhàn)】ResNet.mp4
│ 第三章第8節(jié)： 目標(biāo)檢測(cè).mp4
│ 第三章第9節(jié)： 【實(shí)戰(zhàn)】Faster R-CNN.mp4
│ 第三章第10節(jié)： 【實(shí)戰(zhàn)】表征學(xué)習(xí).mp4
│ 第三章第11節(jié)： 第二章習(xí)題講解.mp4
│ 第三章第12節(jié)： 彩蛋.mp4
│ 第三章作業(yè).txt
│
├─第04章 圖像分割
│ 第四章第1節(jié)： 圖像分割基礎(chǔ).mp4
│ 第四章第2節(jié)： 【實(shí)戰(zhàn)】Deconvolution與空洞卷積.mp4
│ 第四章第3節(jié)： 圖像分割模型.mp4
│ 第四章第4節(jié)： 【實(shí)戰(zhàn)】U-Net.mp4
│ 第四章第5節(jié)： 【實(shí)戰(zhàn)】DeepLab v3.mp4
│ 第四章第6節(jié)： 模型可視化.mp4
│ 第四章第7節(jié)： 【實(shí)戰(zhàn)】特征圖像可視化.mp4
│ 第四章第8節(jié)： 病理影像分割初探.mp4
│ 第四章第9節(jié)： 自監(jiān)督學(xué)習(xí).mp4
│ 第四章第10節(jié)： 模型訓(xùn)練流程.mp4
│ 第四章第11節(jié)： 第三章習(xí)題講解.mp4
│ 第四章第12節(jié)： 彩蛋.mp4
│ 第四章作業(yè).txt
│
├─第05章 高級(jí)循環(huán)神經(jīng)網(wǎng)絡(luò)【缺】
│
├─第06章 分布式深度學(xué)習(xí)系統(tǒng)
│ 第六章第1節(jié)： 分布式系統(tǒng).mp4
│ 第六章第2節(jié)： 分布式深度學(xué)習(xí)系統(tǒng).mp4
│ 第六章第3節(jié)： 【實(shí)戰(zhàn)】數(shù)據(jù)并行模型訓(xùn)練.mp4
│ 第六章第4節(jié)： 微服務(wù)架構(gòu).mp4
│ 第六章第5節(jié)： 【實(shí)戰(zhàn)】使用Kafka搭建MQ.mp4
│ 第六章第6節(jié)： 分布式推理系統(tǒng).mp4
│ 第六章第7節(jié)： TensorFlow Serving in Docker.mp4
│ 第六章第8節(jié)： 第五章習(xí)題講解.mp4
│ 第六章第9節(jié)： 直擊面試II.mp4
│
├─第07章 深度學(xué)習(xí)前嚴(yán)
│ 第七章第1節(jié)： 深度增強(qiáng)學(xué)習(xí).mp4
│ 第七章第2節(jié)： 【實(shí)戰(zhàn)】Flappy Bird.mp4
│ 第七章第3節(jié)： AlphaGo.mp4
│ 第七章第4節(jié)： 生成對(duì)抗網(wǎng)絡(luò).mp4
│ 第七章第5節(jié)： 【實(shí)戰(zhàn)】SimpleGAN.mp4
│ 第七章第6節(jié)： 【實(shí)戰(zhàn)】ConditionalGAN.mp4
│ 第七章第7節(jié)： 【實(shí)戰(zhàn)】CycleGAN.mp4
│ 第七章第8節(jié)： 未來(lái)在哪里.mp4
│ 第七章第9節(jié)： 彩蛋.mp4
│ 第七章第10節(jié)： 第六章習(xí)題講解.mp4
│ 第七章第11節(jié)： 直擊面試III.mp4
│
├─第08章 專題講座
│ 第八章第1節(jié)： 【Lecture 1】DenseNet.mp4
│ 第八章第1節(jié)： 【Lecture 2】Inception.mp4
│ 第八章第1節(jié)： 【Lecture 3】Xception.mp4
│ 第八章第1節(jié)： 【Lecture 4】ResNeXt.mp4
│ 第八章第1節(jié)： 【Lecture 5】Transformer和它的朋友們.mp4
│ 第八章第1節(jié)： 【Lecture 6】深度學(xué)習(xí)產(chǎn)品化.mp4
│ 第八章第1節(jié)： 【Lecture 7】果殼中的量子計(jì)算.mp4
│ 第八章第1節(jié)： 【Lecture 8】人工智能產(chǎn)業(yè).mp4
│
├─第09章 應(yīng)用于大規(guī)模數(shù)據(jù)集的圖像分類模型
│ 第九章第1節(jié)： 核心實(shí)戰(zhàn)概述.mp4
│ 第九章第2節(jié)： ImageNet介紹.mp4
│ 第九章第3節(jié)： 數(shù)據(jù)探索與預(yù)處理.mp4
│ 第九章第4節(jié)： 數(shù)據(jù)隊(duì)列.mp4
│ 第九章第5節(jié)： 通用數(shù)據(jù)隊(duì)列(1).mp4
│ 第九章第5節(jié)： 通用數(shù)據(jù)隊(duì)列.mp4
│ 第九章第6節(jié)： 建立模型結(jié)構(gòu).mp4
│ 第九章第7節(jié)： MNIST數(shù)據(jù)集訓(xùn)練.mp4
│ 第九章第8節(jié)： ImageNet Tiny數(shù)據(jù)集訓(xùn)練.mp4
│ 第九章第9節(jié)： 貓狗大戰(zhàn)數(shù)據(jù)集介紹與預(yù)處理.mp4
│ 第九章第10節(jié)： 模型測(cè)試代碼.mp4
│ 第九章第11節(jié)： 模型訓(xùn)練與過(guò)程分析.mp4
│ 第九章第12節(jié)： 模型批量測(cè)試與性能指標(biāo).mp4
│ 第九章第13節(jié)： ResNet家族模型的表現(xiàn).mp4
│ 第九章第14節(jié)： 常見(jiàn)模型的表現(xiàn).mp4
│ 作業(yè).txt
│
├─第10章 建立病理影像的病變區(qū)域分割模型
│ 第一十章第1節(jié)： 數(shù)字病理切片介紹.mp4
│ 第一十章第2節(jié)： 數(shù)字病理切片預(yù)處理.mp4
│ 第一十章第3節(jié)： 樣本均衡性處理.mp4
│ 第一十章第4節(jié)： 經(jīng)典數(shù)據(jù)隊(duì)列.mp4
│ 第一十章第5節(jié)： 建立訓(xùn)練模型.mp4
│ 第一十章第6節(jié)： 實(shí)現(xiàn)測(cè)試邏輯.mp4
│ 第一十章第7節(jié)： 預(yù)測(cè)結(jié)果后處理.mp4
│ 第一十章第8節(jié)： 20x模型訓(xùn)練與測(cè)試.mp4
│ 第一十章第9節(jié)： 40x模型訓(xùn)練與測(cè)試.mp4
│ 第一十章第10節(jié)： DeepLabv3Plus模型訓(xùn)練與測(cè)試.mp4
│ 第一十章第11節(jié)： 論文串燒：BMJ Open.mp4
│ 第一十章第12節(jié)： 論文串燒P2.mp4
│ 第一十章第13節(jié)： 論文串燒：Nature Communications.mp4
│ 第一十章第14節(jié)： 論文串燒：ICCV.mp4
│ 第一十章第15節(jié)： 論文串燒：ECML.mp4
│ 第一十章第16節(jié)： 論文串燒：Nature Medicine.mp4
│ 第一十章第17節(jié)： 第九章習(xí)題講解.mp4
│
├─第11章 分布式深度學(xué)習(xí)推理系統(tǒng)
│ 第一十一章第1節(jié)： 系統(tǒng)架構(gòu)設(shè)計(jì).mp4
│ 第一十一章第2節(jié)： 代碼結(jié)構(gòu)與調(diào)度器配置.mp4
│ 第一十一章第3節(jié)： 調(diào)度器核心邏輯.mp4
│ 第一十一章第4節(jié)： 自定義Logging機(jī)制.mp4
│ 第一十一章第5節(jié)： 工作節(jié)點(diǎn)基礎(chǔ)代碼.mp4
│ 第一十一章第6節(jié)： 工作節(jié)點(diǎn)任務(wù)處理.mp4
│ 第一十一章第7節(jié)： 工作節(jié)點(diǎn)核心邏輯.mp4
│ 第一十一章第8節(jié)： 日志模塊編寫.mp4
│ 第一十一章第9節(jié)： 代碼調(diào)試環(huán)境搭建.mp4
│ 第一十一章第10節(jié)： 運(yùn)行Celery任務(wù).mp4
│ 第一十一章第11節(jié)： 模型導(dǎo)出與運(yùn)行.mp4
│ 第一十一章第12節(jié)： 系統(tǒng)整體運(yùn)行.mp4
│ 第一十一章第13節(jié)： 構(gòu)建Docker鏡像的原始方法.mp4
│ 第一十一章第14節(jié)： 使用Dockerfile構(gòu)建鏡像.mp4
│ 第一十一章第15節(jié)： 增加病理影像預(yù)測(cè)Task.mp4
│ 第一十一章第16節(jié)： 分布式系統(tǒng)研究結(jié)果.mp4
│ 第一十一章第17節(jié)： TensorFlow Serving的內(nèi)部機(jī)制.mp4
│
└─第12章 課程總結(jié)
第一十二章第1節(jié)： 課程總結(jié)I：深度學(xué)習(xí)理論.mp4
第一十二章第1節(jié)： 課程總結(jié)II：卷積神經(jīng)網(wǎng)絡(luò).mp4
第一十二章第1節(jié)： 課程總結(jié)III：循環(huán)神經(jīng)網(wǎng)絡(luò).mp4
第一十二章第1節(jié)： 課程總結(jié)IV：深度學(xué)習(xí)系統(tǒng)與前沿.mp4
