大数据深度学习入门视频课程 22课

课程介绍：

从无人驾驶汽车技术到AlphaGo战胜人类，深度学习在生活中扮演着越来越重要的角色，也即将改变这个世界。但是很多同学担心深度学习入门要求太高，苦于国内没有合适的课程予以帮助。

深度学习入门系列课程作为国内第一篇深度学习的入门课程视频，旨在帮助同学们更快更轻松的掌握深度学习所涉及的所有知识点，真正的入门深度学习这个世界上拥有最先进技术的领域，深度学习全民皆兵。

本篇主要从神经网络必备基础知识点开始讲起，由浅及深，一步步过度到整个神经网络架构！系列课程风格依旧通俗易懂，旨在用最形象的讲解带领大家一步步攻克复杂的神经网络模型！

课程目标：

用通俗易懂的讲解，一步步的带大家入门深度学习这个当今世界最火爆的深度学习领域。

适用人群：

渴望高端技术，对人工智能感兴趣的同学们，全民皆可入门。

课程目录：

1 深度学习入门课程01 感受卷积神经网络的强大

课程介绍

2 深度学习入门课程02 卷积层详解

课程大纲

3 深度学习入门课程03 卷积计算流程

学习资料

4 深度学习入门课程04 卷积核参数分析

学员评价

5 深度学习入门课程05 卷积参数共享原则

简介深度学习最核心的模块卷积神经网络的强大之处

6 深度学习入门课程06 池化层（Pooling）原理

形象解读卷积层原理，卷积层到底做了什么事。

7 深度学习入门课程07 卷积神经网络反向传播原理

实例演示卷积操作的原理与计算流程

8 深度学习入门课程08 实现卷积层的前向传播与反向传播

卷积核参数padding与stride等分析与讲解

9 深度学习入门课程09 实现Pooling层的前向传播与反向传播

卷积工作的特点，参数共享原则解读

10 深度学习入门课程10 经典卷及网络架构实例

max pooling与mean pooling原理与特点

11 深度学习入门课程11 RNN网络结构

卷积层与池化层的前向传播与反向传播原理

12 RNN网络细节

代码讲解如何实现简易的卷积层的前向传播与反向传播过程。

13 深度学习入门课程12 python实现RNN算法

代码演示如何实现简易版本的Pooling层的前向传播与反向传播过程。

14 深度学习入门课程13 LSTM网络结构简介

分析经典的卷积神经网络结构Alexnet,Vgg网络结构

15 深度学习入门课程14 分类与回归（Location）任务应用详解

解析RNN相比于传统神经网络结构的不同和应用范围

16 深度学习入门额课程15 物体检测实例

使用python实现RNN算法并应用在二进制加法中，感受RNN的效果

17 深度学习入门课程16 如何巧妙设计网络结构

简介LSTM网络架构，和3个门各自的作用

18 深度学习入门课程17 训练技巧之数据增强

从两个最经典的问题分类和回归入手分析卷积神经网络如何解决这些问题

19 深度学习入门课程18 训练技巧之Transfer Learning

分析三代物体检测算法从物体检测的开山之作R-CNN到通用框架faster-rcnn解读

20 深度学习入门课程19 深度学习框架Caffe简介

从网络结构出发，分析不同结构的优缺点，参照当今最实用网络结构去设计自己的网络架构

21 深度学习入门课程20 深度学习框架Caffe训练过程

数据增强是训练网络必备预处理过程，这里介绍了最常用的数据增强的办法

22 深度学习入门课程21 深度学习框架Caffe接口使用实例

Transfer Learning是必备调试网络技巧，本节介绍如何高效进行网络训练