成为一名优秀的深度学习工程师并不容易。人工智能研究自然有很高的门槛和要求。很多人理论上是王，实践上是青铜。他们认为自己对框架和算法有足够的了解，但由于缺乏应用场景和实践机会，在遇到实际问题时仍然无法抽象问题并应用模型来解决。

本课程将带您从理论基础、工具应用和实际应用三个方面，从理论开始，一步步了解和理解深度学习，学习如何构建深度学习模型。

模块1：深度学习的基本概念。这个模块就像打基础一样，老师会带领你了解深度学习中用到的基础知识，特别是数学知识和理论知识。还会详细介绍你经常听到的深度学习中常用的结构，如CNN、DNN、GAN等，从头开始，逐步深入。通过这部分的学习，你将了解深度学习所必需的基础知识。

第2单元：深度学习工具和框架。这个模块就像建造建筑物的砖块。有了理论知识，你就可以将理论知识转化为代码，并使用合适的框架和工具来帮助你的工作。框架方面，目前常用的深度学习框架有很多，包括TensorFlow、PyTorch等。老师会以最常用的TensorFlow为切入点，向你介绍图像处理工具、记录模型训练的工具的使用。、互动工具和其他工具。学习完这部分之后，就可以开始为实际项目的开发做准备了。

模块3：经典深度学习问题的实际实现。本模块开始教您如何建造建筑物。讲师将选取几个常见的深度学习应用场景，包括图像分类、语义分割、自然语言处理等，教你如何从头开始构建模型以及如何优化现有模型。，一步一步教您如何创建项目模型。通过学习这项工作，您可以创建自己的深度学习模型。

深度学习的介绍和实际应用，带您理顺算法理论并从头开始创建实用模型。课程目录

文档

[4974]主题演讲：掌握深度学习，享受人工智能时代mp4

[4975]01从神经元开始：数学mp4

[4976]02从神经元开始：结构mp4

[4977]03AI术语：让你更专业mp4

[4978]04函数与优化方法：来自客栈老板的学习模型（第1部分）mp4

[4979]05前向网络和反向传播：向旅店老板学习模型（第2部分）mp4

[4980]06线性回归模型：回顾并理解问题中的基本概念mp4

[4981]07卷积神经网络：给你的模型一双能看世界的眼睛mp4

[4982]08RNN与LSTM：模型也能连续思考mp4

[4983]09Autoencoder：让模型有自己的表达方式和语言mp4

[4984]10生成对抗网络：艺术创作也可以成为深度学习的特长mp4

[4985]11集成、共享和敏捷性：使用JupyterNotebookmp4

[4986]12数据预处理：让模型学得更好mp4

[4987]13张量、数据流图和概念：初步理解TenorFlowmp4

[4988]14工作机制及流程：手写识别深入理解TenorFlowmp4

[4989]15TenorBoard：实验统计分析助手mp4

[4990]16图像分类：技术背景和联合模型分析mp4

[4991]17图像分类：做你的第一个动手图像分类项目mp4

[4992]18语义分割：技术背景与算法分析mp4

[4993]19语义分割：创建简单高效的人像分割模型mp4

[4994]20文本分类：技术背景和经典网络结构介绍mp4

[4995]21文本分类：使用Bert构建出色的文本分类模型mp4

[4996]结论掌握深度学习并乘坐AI快速列车快速列车mp4