優(yōu)質(zhì)課程，只為有追求的你，態(tài)度不認真者，請勿購買，買了也是浪費
有追求的速度購買，買到學到就是賺到！
課程名稱：
三個月教你從零入門人工智能！| 深度學習精華實踐課程
課程特色：
規(guī)劃全面：涵蓋目前主流的深度學習領(lǐng)域，包括圖像識別，圖像檢測，自然語言處理，GAN，分布式訓練框架等等。掌握每一項技能都能在從事該領(lǐng)域邁進一步。
重點突出：摒棄繁冗的數(shù)學證明，一切從實際出發(fā)，突出重點，短時間內(nèi)掌握重點知識。
實戰(zhàn)演練：課程包含多個實際案例，并結(jié)合實際項目經(jīng)驗教你如何在企業(yè)中做深度學習的項目
老師介紹：
胡曉曼老師（Charlotte），高級算法工程師 ，博客專家；
擅長用通俗易懂的方式講解深度學習和機器學習算法，熟悉Tensorflow，PaddlePaddle等深度學習框架，負責過多個機器學習落地項目，如垃圾評論自動過濾，用戶分級精準營銷，分布式深度學習平臺搭建等，都取了的不錯的效果。
博客專欄：https://www.cnblogs.com/charlotte77/
課程大綱：
第一章： 什么是人工智能
1、人工智能背景介紹
2、前期環(huán)境準備
第二章： 深度學習入門基礎(chǔ)
1、深度學習環(huán)境準備
2、Tensorflow快速入門一 ——基本概念和框架
3、Tensorflow快速入門二 ——實戰(zhàn)演練和模型訓練
4、Tensorflow快速入門三 ——技巧總結(jié)
5、深度學習數(shù)學知識一覽表
6、作業(yè)：實例：用自己的數(shù)據(jù)訓練一個二分類模型
7、作業(yè)講解：如何制作自己的數(shù)據(jù)集
第三章： 傳統(tǒng)神經(jīng)網(wǎng)絡(luò)與參數(shù)的理解
1、什么是多層感知機
2、激活函數(shù)的原理、類別與實現(xiàn)
3、 損失函數(shù)的原理、類別與實現(xiàn)
4、梯度下降方法（一）
5、梯度下降方法 （二）
6、學習率如何設(shè)定
7、正則化的方法（一）
8、正則化的方法（二）
9、實例：識別花的種類
10、作業(yè)：改變不同的參數(shù)，提高識別花種類的準確率
11、作業(yè)講解：不同參數(shù)的改變對于準確率的變化原理
第四章： 前向傳播與反向傳播
1、前向傳播的原理
2、前向傳播的代碼實現(xiàn)
3、反向傳播的原理
4、反向傳播的代碼實現(xiàn)
5、實例：自己手寫一個完整的BP
6、作業(yè)：寫一個Autoencoder
7、作業(yè)講解：如何寫一個Autoencoder
第五章： 自編碼Autocoder的原理及應(yīng)用
1、什么是Autoencoder
2、Autoencoder的原理與實現(xiàn)
3、Autoencoder與PCA的區(qū)別
4、Autoencoder的變種（一）
5、Autoencoder的變種（二）
6、實例：Autoencoder與聚類結(jié)合在預(yù)測用戶偏好中的應(yīng)用
7、作業(yè)：運用Autoencoder對海量數(shù)據(jù)進行降維
8、作業(yè)講解：如何高效的運用Autoencoder降維
第六章： 經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)及圖像分類
1、卷積神經(jīng)網(wǎng)絡(luò)的背景與原理
2、卷積神經(jīng)網(wǎng)絡(luò)的代碼實現(xiàn)（一）
3、卷積神經(jīng)網(wǎng)絡(luò)的代碼實現(xiàn)（二）
4、Le-Net5的網(wǎng)絡(luò)結(jié)構(gòu)及實現(xiàn)
5、AlexNet的網(wǎng)絡(luò)結(jié)構(gòu)及實現(xiàn)
6、Vgg的網(wǎng)絡(luò)結(jié)構(gòu)及實現(xiàn)
7、GoogLeNet的網(wǎng)絡(luò)結(jié)構(gòu)及實現(xiàn)
8、ResNet的網(wǎng)絡(luò)結(jié)構(gòu)及實現(xiàn)
9、實例：用經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)對cifar-10數(shù)據(jù)進行圖像分類
第七章： 目標檢測算法的原理及應(yīng)用
1、目標檢測算法的簡介和種類
2、R-CNN相關(guān)算法的原理及實現(xiàn)（一）
3、R-CNN相關(guān)算法的原理及實現(xiàn)（二）
4、YOLO相關(guān)算法的原理及實現(xiàn)（一）
5、YOLO相關(guān)算法的原理及實現(xiàn)（二）
6、SSD相關(guān)算法的原理及實現(xiàn) （一）
7、SSD相關(guān)算法的原理及實現(xiàn) （二）
第八章： 遷移學習
1、遷移學習的簡介
2、遷移學習的應(yīng)用
3、遷移學習的方法
4、實例：常見的遷移學習案例分享
第九章： 循環(huán)神經(jīng)網(wǎng)絡(luò)RNN
1、循環(huán)神經(jīng)網(wǎng)絡(luò)RNN的簡介與原理詳解
2、循環(huán)神經(jīng)網(wǎng)絡(luò)RNN的代碼實現(xiàn)
3、實例：用RNN來做情感分析
第十章： 自然語言處理
1、 LSTM的簡介與原理詳解
2、LSTM的代碼實現(xiàn)
3、實例：用LSTM實現(xiàn)一個簡單的聊天機器人
第十一章： 無監(jiān)督學習：對抗網(wǎng)絡(luò)GAN
1、GAN的背景與入門應(yīng)用介紹
2、GAN的數(shù)學推導
3、GAN的變種及應(yīng)用
4、實例：用GAN自動生成二次元萌妹子
第十二章： 深度學習的高性能計算
1、單機單卡的實現(xiàn)過程
2、 單機多卡的實現(xiàn)過程
3、多機單卡的實現(xiàn)過程與部署
4、多級多卡的實現(xiàn)過程與部署
5、實例： 分布式訓練實例：基于docker的分布式訓練框架的搭建
第十三章：實戰(zhàn)項目演練
1、實例：用戶分群與偏好預(yù)測經(jīng)典案例
2、實例：自動創(chuàng)作古詩詞
3、實例：自動創(chuàng)造音樂
