第1篇【啟程】打造裝備,踏上深度學習冒險旅程
【工具準備】
冒險 01 Colab 免安裝的深度學習環境
冒險 02 瞭解Colab 的檔案系統
冒險 03 用Anaconda 在自己電腦打造深度學習環境
冒險 04 互動模式的複習
冒險 05 用 Gradio 神速打造 Web App!
【人工智慧概念】
冒險 06 人工智慧就是問個好問題,化成函數的形式學個函數!
冒險 07 打造函數學習機三部曲
冒險 08 運用深度學習的種種想法
第2篇【冒險】深度學習的三大天王
【全連結神經網路】
冒險 09 神經網路的概念和全連結神經網路
冒險 10 神經網路的學習方式
冒險 11 實作手寫辨識:MNIST 數據集
冒險 12 打造全連結神經網路函數學習機
冒險 13 讀回我們的 model, 用 gradio 瞬間打造網路 app!
【圖形辨識天王 CNN】
冒險 14 圖形辨識天王 CNN
冒險 15 用 CNN 做圖形辨識 - 資料處理篇
冒險 16 三部曲打造圖形辨識 CNN
冒險 17 Cooper 真的是馬爾濟斯嗎?使用名門 CNN 幫助辨識!
冒險 18 遷移式學習做八哥辨識
【有記憶的神經網路 RNN】
冒險 19 神經網路三大天王之有記憶的 RNN
冒險 20 IMDb 評論情意分析問題介紹
冒險 21 打造 RNN 情意分析函數學習機
冒險 22 打造真的可以使用的情意分析
冒險 23 RNN 技巧討論
冒險 24 《紅樓夢》生成器
冒險 25 打造自己的 Tokenizer(文字型資料的處理)
第3篇【回歸】發揮創意,看到 AI 的無限可能
【Attention 和 transformer】
冒險 26 RNN 看成 Encoder-Decoder Structure
冒險 27 Attention 注意力模式的概念
冒險 28 有機會成為第四大天王的變形金剛 transformer
冒險 29 芝麻街自然語言新時代
冒險 30 用 transformers 快速打造文字生成器
冒險 31 讓我們做歌詞產生器網路 App!
【生成模式和 GAN】
冒險 32 神經網路的另一個打造方式
冒險 33 Functional API 介紹
冒險 34 簡單找表示向量的方法 Autoencoder
冒險 35 創作型的神經網路 GAN
冒險 36 有趣的 GAN 應用
冒險 37 FaceNet 和特徵表現向量的尋找
冒險 38 用 DeepFace 來做人臉辨識!
【強化學習和 DQN】
冒險 39 強化學習的介紹
冒險 40 自動交易系統:資料整理篇
冒險 41 自動交易系統:程式實作篇