《深度学习入门与实战》精简算法理论，从零打造实战模型

内容介绍：

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。

内容目录：

模块一：基础概念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模块二：工具与框架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 TensorFlow14 工作机制与流程：通过手写识别深入了解 TensorFlow15 TensorBoard：实验统计分析助手模块三：经典问题的落地实战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