面對深度學習，你還在恐懼自己的「零」基礎么

四大特色 秒殺所有同品類課程

特色一：解決六大問題 新增GAN等最前沿知識>>>

1. 
   

   徹底跨入深度學習之門：掌握

   CNN、RNN、LSTM、GAN、Deep Q-learning

   等主要模型的原理及其應用
   



2. 
   

   掌握

   物體檢測

   與

   目標識別

   ，從而獲得無人駕駛的關鍵技術之一，最終通向無人駕駛
   



3. 
   

   提供全環境GPU雲實驗平台：

   提前配置

   好caffe、tensorflow、Keras、pytorch等主流DL框架以及相關數據，無需為硬體門檻煩惱



4. 
   

   名師直播答疑解決問題：全部BAT名師直播指導，助教全方位輔導，在互幫互助中學會自己動手搭建神經網路，完成實際任務



5. 
   

   緊跟最新知識發展：從GAN圖像生成、到遷移學習、再到Deep Q-learning強化學習玩遊戲一應俱全



6. 
   

   內容全部來自實戰：實際場景、實際問題、實際解決方案、實際能力提升

特色二：國內首個GPU雲實驗平台 本期配置更牛>>>

本次第三期深度學習班不但贈送一個月的GPU（底層是數塊M40）使用權，就是要真槍實戰、就是要動手試驗。

特色三：論文、面試、工作三不誤>>>

1. 
   

   新增GAN

   等最前沿的知識精講，以輔助畢業發論文的同學；



2. 
   

   新增深度學習常見面試考點和模型的精講，助力面試；



3. 
   

   更有BAT等一線互聯網公司的工作機會推薦。

特色四：頂級講師 當仁不讓>>>

• 
  

  管博士，加州大學洛杉磯分校（UCLA）數學博士，中科大數學學士，五年數學課講課經驗，目前在華爾街一家金融公司做數據處理等工作。



• 
  

  寒老師，著名電商搜索廣告負責人，多年實際ml/DL/dm項目經驗，專註海量數據上機器學習演算法的應用與優化。做過推薦系統、NLP、點擊率預估、圖像識別。講課清晰易懂，擅長用實際數據、代碼、案例說話，備受數千名學員好評。



• 
  

  加號，曾師從Google DeepMind的領軍人物Prof. Nando de Freitas，主攻Deep Learning，牛津大學計算機系畢業。UiiTech創始人，原TypeScore首席數據科學家。現就職於倫敦某投資銀行的金融創新實驗室（Innovation Lab），專註金融行業的AI構架與大數據產品研發。

這裡有你想知道的上課細節>>>

上課時間

：

7.1日開課，每周六周日下午5-7點直播上課

（PS:第1課周六上午10-12點上課）。

上課方式

：在線QQ群視頻直播上課，課上課後答疑、且課後有視頻可反覆看、複習（PC端用Google瀏覽器登陸官網在線觀看、手機端可APP下載觀看）。

所需基礎

：

學過編程/微積分/線代，有一定的數據結構/演算法、Python機器學習基礎。

不怕零基礎，只怕沒信心！

課程大綱>>>

第一周 夯實DL必備基礎

第1課 夯實深度學習數據基礎
1. 必要的微積分、概率統計基礎
2. 必要的矩陣、凸優化基礎
3. 實戰：numpy與高效計算

第2課 DNN與混合網路：google Wide&Deep
1. 多分類softmax與交叉熵損失
2. 人工神經網路與BP+SGD優化
3. 實戰：數據非線性切分+google wide&deep 模型實現分類

第二周 從CNN入手，掌握主流DL框架

第3課 CNN:從AlexNet到ResNet

1. 卷積神經網路層級結構詳解，可視化理解
2. 典型卷積神經網路結構(AlexNet,VGG,GoogLeNet,ResNet)講解
3. 實戰：搭建CNN完成圖像分類示例

第4課 NN框架：caffe, tensorflow與pytorch

1. Caffe的便捷圖像應用
2. TensorFlow與搭積木一樣方便的Keras
3. facebook的新秀pytorch
4. 實戰：用幾大框架完成DNN與CNN網路搭建與分類

第三周 CNN延伸：物體檢測與圖像生成

第5課 圖像物體檢測與風格變化
1. 物體檢測方法(Rcnn，Fast-rcnn，Faster-rcnn，R-FCN)
2. 秒變文藝：neural style將照片轉換成大師佳作
3. 實戰：R-FCN實驗代碼講解，neural-style與fast neural-style代碼講解

第6課 造出你要的視界：生成對抗網路GAN
1. 無監督學習與圖像生成
2. 生成對抗網路與原理
3. 實戰：DCGAN圖像生成

第四周 掌握自然語言處理中的神經網路

第7課 RNN/LSTM/Grid LSTM
1. 序列數據與循環神經網路
2. RNN/LSTM/Grid LSTM
3. 實戰：RNN文本分類

第8課 RNN條件生成與attention
1. RNN條件生成與attention
2. 「看圖說話」原理
3. google神經網路翻譯系統

第五周 遷移學習與增強學習

第9課 深度學習中的遷移學習
1. 遷移學習的不同任務
2. Fine-tune，保守訓練，層轉移，多任務學習
3. 領域對抗訓練

第10課 增強學習與Deep Q Network
1. 馬爾科夫決策過程
2. 價值函數與策略評價、學習
3. Deep Q network
4. 實戰：用Tensorflow搭建Deep Q learning玩Flappy bird

掃碼領免費課程

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 Python開發者 的精彩文章: