目標：課程概述，使用預訓練網絡執(zhí)行圖像分類，使用遷移學習訓練自定義分類網絡。

• 預訓練網絡
• 圖像數(shù)據(jù)存儲
• 遷移學習
• 網絡評估

目標：可視化通過網絡的圖像數(shù)據(jù)了解網絡如何運算，將該技術應用于不同種類的圖像。

• 激活
• 特征提取用于機器學習

目標：從頭開始建立卷積網絡，理解網絡層次之間如何傳遞信息，以及不同層級如何工作。

• 從頭開始訓練
• 神經網絡
• 卷積層和過濾器

目標：理解訓練算法如何工作，設置訓練選項來檢測和控制訓練。

• 訓練網絡
• 訓練過程繪圖
• 確認

目標：選擇和修改訓練算法選項，網絡結構，或者訓練數(shù)據(jù)來改善網絡效率。

• 訓練選項
• 有向無環(huán)圖
• 增加數(shù)據(jù)存儲

目標：創(chuàng)建卷積網絡來預測連續(xù)數(shù)據(jù)響應。

• 回歸網絡遷移學習
• 回歸網絡評估矩陣

目標：訓練網絡定位和標明圖像中具體對象。

• 目標檢測

目標：建立和訓練網絡進行有序序列數(shù)據(jù)分類，例如時間序列和傳感器數(shù)據(jù)。

• 長短期記憶網絡
• 序列分類
• 序列預處理
• 類別序列

目標：使用遞歸網絡創(chuàng)建預測序列。

• 序列分類
• 序列預測