课程背景基于人工智能与深度学习领域,使用python作为课程的实战语言,随着大数据与人工智能领域日益火爆,深度学习已经成为当下最热门的领域,课程旨在帮助同学们快速掌握深度学习必备原理并使用深度学习框架Tensorflow与Caffe进行项目实战，从零开始完成多个经典深度学习项目。

1.课程研发环境
课程基于windows环境进行讲解与代码演示,需要同学们搭建Python环境,推荐根据课时（使用Anaconda 3 搭建python3.5环境）来进行python和其依赖库的安装。对于后续的框架学习需要同学安装深度学习经典框架Caffe与Tensorflow。

2.内容简介
课程风格通俗易懂，必备原理，形象解读，项目实战缺一不可！主体课程分成四个大模块(1)神经网络必备基础知识点，(2)深度学习模型，(3)深度学习框架Caffe与Tensorflow，(4)深度学习项目实战。
课程首先概述讲解深度学习应用与挑战，由计算机视觉中图像分类任务开始讲解深度学习的常规套路。对于复杂的神经网络，将其展开成多个小模块进行逐一攻破，再挑战整体神经网络架构。对于深度学习模型形象解读卷积神经网络原理，详解其中涉及的每一个参数，对卷积网络架构展开分析与评估，对于现阶段火爆的对抗生成网络以及强化学习给出形象解读，并配合项目实战实际演示效果。
基于框架实战，选择两款深度学习最火框架，Caffe与Tensorflow，首先讲解其基本使用方法，并结合案例演示如何应用框架构造神经网络模型并完成案例任务。
选择经典深度学习项目实战，使用深度学习框架从零开始完成人脸检测，验证码识别，人脸关键点定位，垃圾邮件分类，图像风格转换，AI自己玩游戏等。对于每一个项目实战，从数据预处理开始一步步构建网络模型并展开分析与评估。
课程提供所涉及的所有数据，代码以及PPT，方便大家快速动手进行项目实践！

唐宇迪，计算机博士，专注于机器学习与计算机视觉领域，深度学习领域一线实战专家。参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。

【决胜AI】深度学习实战课程： 

第1讲-深度学习概述与挑战
第2讲-图像分类基本原理
第3讲-深度学习必备基础知识点
第4讲-神经网络反向传播原理
第5讲-神经网络整体架构
第6讲-神经网络案例实战图像分类任务
第7讲-卷积神经网络基本原理
第8讲-卷积参数详解
第9讲-卷积神经网络案例实战
第10讲-经典网络架构分析
第11讲- 分类与回归任务
第12讲- 三代物体检测算法分析
第13讲-数据增强策略
第14讲-TransferLearning
第15讲-网络架构设计
第16讲- 深度学习框架Caffe网络结构配置
第17讲-Caffe制作数据源
第18讲- Caffe框架使用技巧
第19讲-Caffe框架常用工具
第20讲-深度学习项目实战人脸检测
第21讲-人脸正负样本数据源制作
第22讲-人脸检测网络架构配置
第23讲-人脸检测代码实战
第24讲-人脸检测项目总结与改进分析
第25讲-人脸关键点定位项目实战
第26讲-人脸关键点定位网络模型
第27讲- 人脸关键点定位构建级联网络
第28讲-人脸关键点定位测试效果与分析
第29讲-Tensorflow框架实战
第30讲-Tensorflow构建回归模型
第31讲-Tensorflow构建神经网络模型
第32讲- Tensorflow深度学习模型
第33讲-Tensorflow加载模型
第34讲-Tensorflow打造RNN网络模型
第35讲-Tensorflow项目实战验证识别
第36讲- Tensorflow项目实战-垃圾邮件分类
第37讲-Tensorflow配置识别网络模型
第38讲- Tensorflow实现训练模块
第39讲-项目实战图像风格转换
第40讲-特征提取网络定义
第41讲-生成网络结构定义
第42讲-实现风格转换训练模块
第43讲-强化学习基础
第44讲-值迭代求解
第45讲-QLearning算法原理
第46讲-DQN网络架构
第47讲-项目实战DQN网络让AI自己玩游戏
第48讲-实现DQN强化学习
第49讲-项目实战对抗生成网络
第50讲-GAN网络实例
第51讲-基于卷积神经网络的GAN
第52讲-DCGAN网络实战

目标一. 掌握深度学习必备基础知识点

目标二. 深度学习模型

目标三. 深度学习框架Caffe与Tensorflow

目标四. 经典深度学习项目实战流程

目标五. 模型调参技巧

目标六. 计算机视觉任务挑战

亮点一、零基础入门。包含必备基础知识点，起步不再困扰；

亮点二、通俗易懂。神经网络模型，理论与案例、实操结合，学以致用，生动翔实；

亮点三、热点尽揽。当下深度学习最火两大框架caffe与tensorflow使用方法，实战演示

亮点四、四大项目实战（关键点定位，验证码识别，垃圾邮件分类、人脸检测），印象深刻，战力飙升；

1.课程针对人群
本课程需要有一些编程经验以及基本的数学基础,针对于对人工智能与数据科学领域感兴趣的同学们,帮助大家快速上手使用神经网络建立模型进行实际工作。

2.我该怎么学,如何才能学好这门课程，给些建议。
   4.1、时间上的安排建议
      本课程共52讲，如果您时间上充分，建议以每天2-3讲的进度往前学习。 
   4.2、学习要求
      如果您没有基础，建议还是中规中矩的按照课程进度一点一点仔细观看学习，并一定要把看完的视频中的代码自己手敲一遍，以加深理解和记忆
      如果您有基础，可不必按步就搬进行，可以拿你感兴趣的部分去学习，但一定要注意实践，并学会举一反三 
   4.3、讲师建议
         1.动手实践很重要！最好看完视频之后，抛开视频，独立自己去把上课中的案例分析代码写一遍，看自己是否理解，如何遇到问题可以回过头看再看下视频，如果反复，达到真正理解和熟练掌握的目的。
         2.对于机器学习算法,如果对数学公式有些困惑可以先从整个流程的角度去理解
         3. 建议一般听视频，一般拿个纸和笔，做一些记录和笔记，这是一种非常好的学习习惯。
         4. 最后祝您学有所成

课程应用面非常广，可以就职于以下岗位
1.图像识别工程师
2.深度学习工程师
3.AI视觉工程师
4.机器学习工程师