综合教程技术培训课程简介
《深度学习入门与实战》精简算法理论，从零打造实战模型
想要成为一名优秀的深度学习工程师并不容易，研究 AI 有着天然的高门槛和高要求。很多人都是理论上的王者，实践上的青铜，自以为对框架、算法的理解足够，但因为缺乏应用场景和实践机会，遇到实际问题仍然不知道该怎么抽象问题然后用模型解决。
而本门课程将会从理论基础、工具使用、实战上手三个方面，带领你从理论开始，一步步认识和了解深度学习，并学会打造深度学习模型。
模块一：深度学习的基础概念
这个模块就像是打地基，老师会带你了解深度学习会用到的基础知识，主要是数学知识和理论知识。还会对深度学习中常用的结构进行详细的介绍，比如你经常听到的 CNN、DNN、GAN 等，从零开始，逐步深入。通过这一部分的学习，你会了解深度学习必备的基础知识。
模块二：深度学习的工具与框架
这个模块就像是盖楼的砖瓦，有了理论知识，就可以将理论知识转化成代码，并用合适的框架、工具协助你开展工作。框架方面，目前常用的深度学习框架很多，有 TensorFlow、PyTorch 等，老师会以其中使用最广泛的 TensorFlow 作为切入点，带你熟悉图像处理工具、模型训练记录工具、交互工具等工具的使用。通过这一部分的学习，你就可以着手准备开发实战项目了。
模块三：深度学习经典问题的落地实战
这个模块就开始教你盖楼了，老师会选择几个常见的深度学习应用场景，包括图像分类、语义分割和自然语言处理，教你如何从零开始做模型、如何优化已有模型，一步步教你打造项目模型。通过这一部分的学习，你就可以打造属于你自己的深度学习模型。
课程内容目录：
模块一：基础概念
01 从神经元说起：数学篇
02 从神经元说起：结构篇
03 AI 术语：让你变得更加专业
04 函数与优化方法：模型的自我学习（上）
05 前馈网络与反向传播：模型的自我学习（下）
06 线性回归模型：在问题中回顾与了解基础概念
07 卷积神经网络：给你的模型一双可以看到世界的眼睛
08 RNN 与 LSTM：模型也可以持续不断地思考
09 自编码器：让模型拥有属于自己的表达和语言
10 生成式对抗网络：艺术创造也可以成为深度学习的拿手好戏
模块二：工具与框架
11 集成、共享、敏捷：Jupyter Notebook 的使用
12 数据预处理：让模型学得更好
13 张量、数据流图与概念：初步了解 TensorFlow
14 工作机制与流程：通过手写识别深入了解 TensorFlow
15 TensorBoard：实验统计分析助手
模块三：经典问题的落地实战
16 图像分类：技术背景与常用模型解析
17 图像分类：实现你的第一个图像分类实战项目
18 语义分割：技术背景与算法剖析
19 语义分割：打造简单高效的人像分割模型
20 文本分类：技术背景与经典网络结构介绍
21 文本分类：用 Bert 做出一个优秀的文本分类模型
结束语 掌握深度学习，搭上 AI 快车
