课程特点:
全面规划:涵盖当前主流的深度学习领域，包括图像识别、图像检测、自然语言处理、GAN、分布式训练框架等。掌握每一项技能都可以在这个领域取得更大的进步。
突出重点:摒弃繁琐的数学证明，从实际出发，突出重点，短时间内掌握关键知识。
实践练习:课程包含很多实践案例，结合实际项目经验，教你如何在企业做深度学习项目。
老师介绍:
夏洛特，高级算法工程师，博主；
他擅长用通俗易懂的方式讲解深度学习和机器学习算法，熟悉Tensorflow、PaddlePaddle等深度学习框架。他负责的垃圾评论自动过滤、用户分级和精准营销、搭建分布式深度学习平台等多个机器学习落地项目，都取得了不错的效果。
课程大纲:
第一章:什么是人工智能
人工智能背景介绍
环境前准备
第2章:深度学习介绍
深度学习环境准备
张量流快速启动ⅰ——基本概念和框架
张量流快速入门2-实践练习和模型训练
张量流快速入门三——技巧总结
深度学习数学知识清单
作业:例子:用你自己的数据训练一个二元分类模型
作业讲解:如何制作自己的数据集
第三章:传统神经网络与参数理解
什么是多层感知器
激活函数的原理、分类及实现
损失函数的原理、分类及实现
梯度下降法(一)
梯度下降法(2)
如何设置学习率
正则化方法(一)
正则化方法(2)
例子:识别花的种类
作业:改变不同的参数，提高识别花卉种类的准确性
作业讲解:精度随不同参数变化的变化原理
第四章:前向传播和后向传播
正向传播原理
前向传播的代码实现
反向传播原理
反向传播的代码实现
例子:自己写一个完整的BP
作业:写一个自动编码器
作业讲解:如何编写自动编码器
第五章:自编码自动编码器的原理及应用
什么是自动编码器
自动编码器的原理与实现
自动编码器和主成分分析的区别
自动编码器的变化(一)
自动编码器的变化(2)
示例:自动编码器结合聚类在预测用户偏好中的应用
作业:使用自动编码器降低海量数据的维数
作业讲解:如何有效使用Autoencoder缩小尺寸
第六章:经典卷积神经网络与图像分类
LeNet的网络结构及实现
AlexNet的网络结构及实现
Vgg的网络结构及实现
谷歌网的网络结构与实现
ResNet的网络结构与实现
示例:利用经典卷积神经网络对cifar-10数据进行图像分类
第7章:目标检测
传统的目标检测方法
第一代算法:区域CNN
升级:SPP网络，快速RCNN，更快RCNN
深度学习还有另一种方式:YoLo和SSD
示例:自动驾驶的核心:实时目标检测
第八章:迁移学习
理论分析
迁移模型和原始训练模型
如何设计新网络
示例:表情识别/人脸识别/动物识别
第9章:循环神经网络RNN
RNN原理详解
情绪分析项目介绍
例子:情感分析
第十章:自然语言处理
处理前:语音到文本
单词表达式:单词vector和单词2vec
生成LSTM的语句
例子:教你实现一个简单的聊天机器人
第十一章:深层卷积神经的重要应用
图片测验
图像模式转换
图像高清
围棋程序，阿尔法围棋
自动游戏机器人，DeepMind雅达利
例:画面艺术风格的转变
第12章:无监督学习:对抗网络GAN
传统无监督学习自动编码，K均值，稀疏编码
RBM限制了博斯曼机器，深度学习的另一个分支
生成对抗网络GAN
示例:机器生成一张图片使其真实
第13章:高性能计算
单价单卡实施流程
单机多卡的实现过程
多机单卡的实现与部署
多机多卡的实现和部署
示例:分布式培训示例:基于docker构建分布式培训框架
未经允许不得转载：乐搜源码 » 三个月教你从零入门人工智能！！ 深度学习精华实践课程
