课程介绍
想要成为一名优秀的深度学习工程师并不容易，研究 AI 有着天然的高门槛和高要求。很多人都是理论上的王者，实践上的青铜，自以为对框架、算法的理解足够，但因为缺乏应用场景和实践机会，遇到实际问题仍然不知道该怎么抽象问题然后用模型解决。而本门课程将会从理论基础、工具使用、实战上手三个方面，带领你从理论开始，一步步认识和了解深度学习，并学会打造深度学习模型。
课程目录：掌握深度学习，畅游 AI 时代
| 01 从神经元说起：数学篇 | 02 从神经元说起：结构篇 |
| 03 AI 术语：让你变得更加专业 | 04 函数与优化方法：模型的自我学习（上） |
| 05 前馈网络与反向传播：模型的自我学习（下） | 06 线性回归模型：在问题中回顾与了解基础概念 |
| 07 卷积神经网络：给你的模型一双可以看到世界的眼睛 | 08 RNN 与 LSTM：模型也可以持续不断地思考 |
| 09 自编码器：让模型拥有属于自己的表达和语言 | 10 生成式对抗网络：艺术创造也可以成为深度学习的拿手好戏 |
| 11 集成、共享、敏捷：Jupyter Notebook 的使用 | 12 数据预处理：让模型学得更好 |
| 13 张量、数据流图与概念：初步了解 TenorFlow | 14 工作机制与流程：通过手写识别深入了解 TenorFlow |
| 15 TenorBoard：实验统计分析助手 | 16 图像分类：技术背景与常用模型解析 |
| 17 图像分类：实现你的第一个图像分类实战项目 | 18 语义分割：技术背景与算法剖析 |
| 19 语义分割：打造简单高效的人像分割模型 | 20 文本分类：技术背景与经典网络结构介绍 |
| 21 文本分类：用 Bert 做出一个优秀的文本分类模型 | 结束语 掌握深度学习，搭上 AI 快车 |
服务说明：
（1）、资源来源于网络公开发表文件，所有资料仅供学习交流，版权归原作者所有，内容仅供读者参考。；
（2）、学分仅用来维持网站运营，性质为用户友情赞助，并非购买文件费用（1元=1积分）；
（3）、如遇百度网盘分享链接失效，可以在问答社区提交问题反馈，管理员都会及时处理的或将资料发送至您提交的邮箱；
（4）、不用担心不给资料，如果没有及时回复也不用担心，看到了都会发给您的！放心！
（5）、以上内容由网站用户发布，如有侵权，请联系我们立即删除！联系微信：www_yrwb_cn
