優質課程，只為有追求的你，態度不認真者，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：
規劃全面：涵蓋目前主流的深度學習領域，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域邁進一步。
重點突出：摒棄繁冗的數學證明，一切從實際出發，突出重點，短時間內掌握重點知識。
實戰演練：課程包含多個實際案例，并結合實際項目經驗教你如何在企業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、前期環境準備
第二章： 深度學習入門基礎
1、深度學習環境準備
2、Tensorflow快速入門一 ——基本概念和框架
3、Tensorflow快速入門二 ——實戰演練和模型訓練
4、Tensorflow快速入門三 ——技巧總結
5、深度學習數學知識一覽表
6、作業：實例：用自己的數據訓練一個二分類模型
7、作業講解：如何制作自己的數據集
第三章： 傳統神經網絡與參數的理解
1、什么是多層感知機
2、激活函數的原理、類別與實現
3、 損失函數的原理、類別與實現
4、梯度下降方法（一）
5、梯度下降方法 （二）
6、學習率如何設定
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：改變不同的參數，提高識別花種類的準確率
11、作業講解：不同參數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
3、反向傳播的原理
4、反向傳播的代碼實現
5、實例：自己手寫一個完整的BP
6、作業：寫一個Autoencoder
7、作業講解：如何寫一個Autoencoder
第五章： 自編碼Autocoder的原理及應用
1、什么是Autoencoder
2、Autoencoder的原理與實現
3、Autoencoder與PCA的區別
4、Autoencoder的變種（一）
5、Autoencoder的變種（二）
6、實例：Autoencoder與聚類結合在預測用戶偏好中的應用
7、作業：運用Autoencoder對海量數據進行降維
8、作業講解：如何高效的運用Autoencoder降維
第六章： 經典卷積神經網絡及圖像分類
1、卷積神經網絡的背景與原理
2、卷積神經網絡的代碼實現（一）
3、卷積神經網絡的代碼實現（二）
4、Le-Net5的網絡結構及實現
5、AlexNet的網絡結構及實現
6、Vgg的網絡結構及實現
7、GoogLeNet的網絡結構及實現
8、ResNet的網絡結構及實現
9、實例：用經典卷積神經網絡對cifar-10數據進行圖像分類
第七章： 目標檢測算法的原理及應用
1、目標檢測算法的簡介和種類
2、R-CNN相關算法的原理及實現（一）
3、R-CNN相關算法的原理及實現（二）
4、YOLO相關算法的原理及實現（一）
5、YOLO相關算法的原理及實現（二）
6、SSD相關算法的原理及實現 （一）
7、SSD相關算法的原理及實現 （二）
第八章： 遷移學習
1、遷移學習的簡介
2、遷移學習的應用
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： 循環神經網絡RNN
1、循環神經網絡RNN的簡介與原理詳解
2、循環神經網絡RNN的代碼實現
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
3、實例：用LSTM實現一個簡單的聊天機器人
第十一章： 無監督學習：對抗網絡GAN
1、GAN的背景與入門應用介紹
2、GAN的數學推導
3、GAN的變種及應用
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、單機單卡的實現過程
2、 單機多卡的實現過程
3、多機單卡的實現過程與部署
4、多級多卡的實現過程與部署
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：實戰項目演練
1、實例：用戶分群與偏好預測經典案例
2、實例：自動創作古詩詞
3、實例：自動創造音樂
