====
论文
====

======
Python
=====
=

=========
Tensorflow
=========

=======
PyTorch
=======

=====
Keras
=====

====
专题
====

====
链接
====

====
视频

====

=======
药物设计

=======

=======
材料科学
=======

============
经济学与金融学
==========
==


Tensorflow基础知识 Tensorflow教程中的Keras Tensorflow初级班 Tensorflow高级班
初学者的 TensorFlow 2.0 教程 针对专业人员的 TensorFlow 2.0 入门 TensorFlow API查询 Tensorflow官网
Tensorflow 2.0 (曹健) Tensorflow 2.0 教程(龙良曲) 30天吃掉Tensorflow 2.0 TensorFlow Addons
KeKun视频     FAQ

Kekun视频


 
【深度学习》课程简介 【深度学习】第5章 循环神经网络1-简介1
【深度学习】第2章 神经网络的理论基础1-梯度下降算法 【深度学习】第5章 循环神经网络1-简介2
【深度学习】第2章 神经网络的理论基础2-网络优化1-网络结构 【深度学习】第5章 循环神经网络2-Embedding层
【深度学习】第2章 神经网络的理论基础2-网络优化2-反向传播算法 【深度学习】第5章 循环神经网络2-Embedding层-代码解释
【深度学习】第2章 神经网络的理论基础2-网络优化3-计算实例  
  【深度学习】第5章 循环神经网络4-循环层
【深度学习】第3章 Keras深度学习通用流程1-数据加载与预处理 【深度学习】第5章 循环神经网络5-循环层-代码解释
【深度学习】第3章 Keras深度学习通用流程2-网络构建3-Lambda类和自定义层 【深度学习】第5章 循环神经网络6-注意力层1
【深度学习】第3章 Keras深度学习通用流程3-网络训练2-损失函数 【深度学习】第5章 循环神经网络6-注意力层2
深度学习】第3章 Keras深度学习通用流程4-性能评估3-模型保存 【深度学习】第5章 循环神经网络7-注意力层-代码解释
【深度学习】第3章 Keras深度学习通用流程2-网络构建2-Dense,Activation  
【深度学习】第3章 Keras深度学习通用流程2-网络构建-实验讲解 【深度学习】第6章 生成对抗网络1-自动编码器1-理论基础
【深度学习】第3章 Keras深度学习通用流程3-网络训练1-优化器 【深度学习】第6章 生成对抗网络1-自动编码器2-去噪代码解释
【深度学习】第3章 Keras深度学习通用流程2-网络构建1-模型生成,Input函数 【深度学习】第6章 生成对抗网络1-自动编码器3-黑白图像上色
【深度学习】第3章 Keras深度学习通用流程4-性能评估2-回调检查 【深度学习】第6章 生成对抗网络2-GAN-1
【深度学习】第3章 Keras深度学习通用流程4-性能评估1-Metrics 【深度学习】第6章 生成对抗网络2-GAN-2
【深度学习】第3章 Keras深度学习通用流程3-网络训练3-训练方法 【深度学习】第6章 生成对抗网络2-GAN_mnist代码解释
  【深度学习】第6章 生成对抗网络2-GAN-condition代码解释
【深度学习】第4章 卷积神经网络1-卷积计算原理1  
【深度学习】第4章 卷积神经网络1-卷积计算原理2 【深度学习】第7章 深度强化学习1-理论基础1
【深度学习】第4章 卷积神经网络1-卷积计算原理3 【深度学习】第7章 深度强化学习1-理论基础2
【深度学习】第4章 卷积神经网络2-卷积参数数量的计算 【深度学习】第7章 深度强化学习2-小车载杆问题代码解释
【深度学习】第4章 卷积神经网络3-Keras卷积层  
【深度学习】第4章 卷积神经网络4-池化层正则化层 【深度学习】实验1 Keras手写数字识别
【深度学习】第4章 卷积神经网络5-经典的卷积神经网络 【深度学习】实验2.1 梯度下降算法
【深度学习】第4章 卷积神经网络-使用ResNet预训练模型1-实验 【深度学习】实验2.2 Python手写数字识别1-解答
【深度学习】第4章 卷积神经网络-使用ResNet预训练模型2-pretrain 【深度学习】实验2.2 Python手写数字识别1
【深度学习】第4章 卷积神经网络-使用ResNet预训练模型3-pretrain_turn 【深度学习】实验3.1 Keras数据加载与预处理-解答
  【深度学习】实验3.3 Keras网络训练-讲解
  【深度学习】实验4.1_Keras卷积神经网络
  【深度学习】实验4.3_卷积结果可视化1-CatDog_CNN
  【深度学习】实验4.3_卷积结果可视化2-实验解答
  【深度学习】实验5.3_基于循环神经网络的新闻话题分类-解答
  【深度学习】实验8.1_基于LSTM的文本生成
  【深度学习】实验8.2_基于LSTM的文本挖掘
   

 

人工智能

人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。

上海市浦东新区沪城环路999号