本课程使用原理讲解加实战的方式学习卷积神经网络（CNN）、循环神经网络（RNN）、对抗神经网络（GAN），通过图像分类、文本分类、图像风格转换、图像文本生成、图像翻译等项目，深度掌握算法调参以及使用Tensorflow进行编程的能力。
神经网络入门
神经元
激活函数Sigmoid
logistic回归模型
目标函数、梯度下降
正向传播、反向传播
随机梯度下降
学习率的影响
卷积神经网络（CNN）
卷积、池化、全连接
全卷积神经网络
AlexNet、VGG、Res-Net
Inception-Net、MobileNet
CNN调参技巧
训练过程可视化
Batch Normalization
自动网络结构搜索（NAS-Net)
fine-tuning / 图像增强
循环神经网络（RNN）
循环网络的反向传播
双向网络
多层网络
残差网络
长短期记忆网络（LSTM）
Attention机制
对抗神经网络（GAN）
对抗思想
对抗神经网络构建
反卷积
U-Net
对抗损失
图像分类：
图像预处理方法、卷积、池化、全连接、Res-Net
Tensorboard观测训练过程
图像风格转换：
内容特征重建图像、风格特征重建图像、VGG模型
文本分类：
文本embedding、词袋模型、循环神经网络搭建
图像文本生成：
CNN特征提取，LSTM模型构建，词袋模型
图像翻译：
U-Net，反卷积，GAN训练过程
入门深度学习
知识体系全面，由浅入深的的讲解
深度学习算法，并且配合着丰富的
案例，带着你编写每一行代码，是
你入门深度学习的不二之选
讲解前沿技术
深入讲解CNN和RNN基础和高阶
知识点，讲解了Attention机制、
对抗神经网络、自动网络结构搜索
等前沿技术
项目经验
贴合实际，使用TensorFlow进行
项目开发，每个项目的讲解层次清
晰，学习完后可以拥有多个项目实
战经验以及调参经验
关于课程的问题都可在问答区随时提问，讲
师会进行集中答疑
课程案例代码完全开放给你，你可以根据
所学知识，自行修改、优化
如果你已经掌握了一门编程语言，想转型人工智能工程师
或者是想系统学习深度学习的在校大学生
或者是缺少实战经验的初学者，那么本门课程非常适合你
Python基础
基本的概率和线代数学基础
TensorFlow基础
机器学习基础
next_n
好评
学习完整个课程，特意来评论区感谢老师！这门课程主要有以下几点特色： 1.课程内容非常，非常的详实。老师对于深度学习理解的层次很高，鞭辟入里，有些不经意地，带有主观性地讲解很有助于我们对知识点的理解。 2.老师的代码水平非常高。榜样！ 3.通过理论结合实例的讲解，让每个知识点都可以深入理解，知其所以然。 4.期待老师后续作品，出必入。 PS：老师讲话还是很清晰的，个别不太清晰的词儿也不是问题，比如“ground truth”，到后来才知道原来是说这个，哈哈。
kankan123
好评
上完了整个课程，特地来评价一下，整个课程有以下几个特点：1）讲解与实战相结合，可以让你在编程的同时对理论有更深的理解 2）课程并不只是调用API，许多模块老师都是亲自实现的，参考价值很大（老师的编程功底也很强） 3）对于深度学习领域覆盖的比较全面，CNN，RNN，GAN等几个大的领域都讲解的比较细致。 总的来说是一门很好的深度学习课程，我是上完了机器学习的课程才过来的，感觉之间的衔接都比较到位，可以比较好的理解课程，同时也谢谢老师辛苦的录制课程~
追梦逐梦白日做梦
好评
怒抢沙发，老师讲的实在是太棒了，本人在深度学习领域，学习研究了快两年了，以前一些自认为很熟悉了解透的东西，通过老师的讲解我才发现以前的自己有多么的无知。不愧是google的人，真的佩服。老师加油出，敢出就敢买。
向您推荐
如无法下载使用图片另存为
下载海报选课、学习遇到问题？
扫码添加指导老师 1V1 帮助你！
添加后老师会第一时间解决你的问题
