拉勾专栏深度学习入门与实战21讲更新中

【课程介绍】
带你精简算法理论，从零打造实战模型
【课程目录】
目录 /共23节
        开篇词
         开篇词 | 掌握深度学习，畅游 AI 时代
        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# M: @* w: [  P8 p" o
        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）6 H( a$ p9 \1 X
        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. z! P; K& ~’ F2 {# W
        13 | 张量、数据流图与概念：初步了解 TensorFlow0 f1 a! ]* F+ q/ \# |  }
        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* R  E’ M2 w* l" V" l1 R5 s& c. C" h
        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1 E" s4 `4 |6 H6 ^- G
        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8 o2 L9 V& a* E9 k, X( K
        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5 w+ E- G$ a6 z4 A  W& `7 i1 r) o7 m
        结束语 | 掌握深度学习，搭上 AI 快车8