想要成為一名優(yōu)秀的深度學習工程師并不容易，研究 AI 有著天然的高門檻和高要求。很多人都是理論上的王者，實踐上的青銅，自以為對框架、算法的理解足夠，但因為缺乏應用場景和實踐機會，遇到實際問題仍然不知道該怎么抽象問題然后用模型解決。

而本門課程將會從理論基礎、工具使用、實戰(zhàn)上手三個方面，帶領你從理論開始，一步步認識和了解深度學習，并學會打造深度學習模型。

模塊一：深度學習的基礎概念。這個模塊就像是打地基，老師會帶你了解深度學習會用到的基礎知識，主要是數(shù)學知識和理論知識。還會對深度學習中常用的結構進行詳細的介紹，比如你經常聽到的 CNN、DNN、GAN 等，從零開始，逐步深入。通過這一部分的學習，你會了解深度學習必備的基礎知識。

模塊二：深度學習的工具與框架。這個模塊就像是蓋樓的磚瓦，有了理論知識，就可以將理論知識轉化成代碼，并用合適的框架、工具協(xié)助你開展工作?？蚣芊矫?，目前常用的深度學習框架很多，有 TensorFlow、PyTorch 等，老師會以其中使用最廣泛的 TensorFlow 作為切入點，帶你熟悉圖像處理工具、模型訓練記錄工具、交互工具等工具的使用。通過這一部分的學習，你就可以著手準備開發(fā)實戰(zhàn)項目了。

模塊三：深度學習經典問題的落地實戰(zhàn)。這個模塊就開始教你蓋樓了，老師會選擇幾個常見的深度學習應用場景，包括圖像分類、語義分割和自然語言處理，教你如何從零開始做模型、如何優(yōu)化已有模型，一步步教你打造項目模型。通過這一部分的學習，你就可以打造屬于你自己的深度學習模型。

深度學習入門與實戰(zhàn)，帶你精簡算法理論，從零打造實戰(zhàn)模型課程目錄

文檔

[4974] 開篇詞? 掌握深度學習，暢游 AI 時代.mp4

[4975] 01? 從神經元說起：數(shù)學篇.mp4

[4976] 02? 從神經元說起：結構篇.mp4

[4977] 03? AI 術語：讓你變得更加專業(yè).mp4

[4978] 04? 函數(shù)與優(yōu)化方法：模型的自我學習（上）.mp4

[4979] 05? 前饋網(wǎng)絡與反向傳播：模型的自我學習（下）.mp4

[4980] 06? 線性回歸模型：在問題中回顧與了解基礎概念.mp4

[4981] 07? 卷積神經網(wǎng)絡：給你的模型一雙可以看到世界的眼睛.mp4

[4982] 08? RNN 與 LSTM：模型也可以持續(xù)不斷地思考.mp4

[4983] 09? 自編碼器：讓模型擁有屬于自己的表達和語言.mp4

[4984] 10? 生成式對抗網(wǎng)絡：藝術創(chuàng)造也可以成為深度學習的拿手好戲.mp4

[4985] 11? 集成、共享、敏捷：Jupyter Notebook 的使用.mp4

[4986] 12? 數(shù)據(jù)預處理：讓模型學得更好.mp4

[4987] 13? 張量、數(shù)據(jù)流圖與概念：初步了解 TenorFlow.mp4

[4988] 14? 工作機制與流程：通過手寫識別深入了解 TenorFlow.mp4

[4989] 15? TenorBoard：實驗統(tǒng)計分析助手.mp4

[4990] 16? 圖像分類：技術背景與常用模型解析.mp4

[4991] 17? 圖像分類：實現(xiàn)你的第一個圖像分類實戰(zhàn)項目.mp4

[4992] 18? 語義分割：技術背景與算法剖析.mp4

[4993] 19? 語義分割：打造簡單高效的人像分割模型.mp4

[4994] 20? 文本分類：技術背景與經典網(wǎng)絡結構介紹.mp4

[4995] 21? 文本分類：用 Bert 做出一個優(yōu)秀的文本分類模型.mp4

[4996] 結束語? 掌握深度學習，搭上 AI 快車.mp4