如何入门深度学习？

人工智能（AI）是近两年来最热门的词之一了，自16年Google DeepMind的AlphaGo打败了世界围棋大师李世石后，人们在惊叹之余，也意识到人工智能时代的正式开始。从此，人工智能、机器学习和深度学习就成为了热门词汇，而它们的关系如下图1所示。

图1 人工智能、机器学习和深度学习的关系

人工智能的概念起源于1956年，所谓的人工智能就是给机器赋予人的智能，让机器能够像人一样地思考问题，做出决策。而一种较为有效的、可行的实现人工智能的方法就是机器学习，机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。实现机器学习的一种重要框架是深度学习，它的出现使机器学习能够实现更多的应用，包括无人驾驶汽车，预防性医疗保健，甚至是更好的电影推荐。

从下图2可以看出，深度作为当前热门领域“机器学习”的其中一种框架，近年来，在google的使用呈直线上升趋势。

图2 机器学习在google的发展趋势

面对如此火辣辣的深度学习

你是不是早想分一杯羹？

然而！

怎样入门深度学习？

深度学习真的可以零基础入门吗？

对于深度学习初学者，有哪些建议?

如何将深度学习技术应用到具体实践？

发际线越来越高

毛发越来越稀疏

对此，小编表示内心毫无波澜！

毕竟小编已经手握

《手把手教你用Python 实践深度学习》~

课程讲师：

丘祐玮(DavidChiu) –大数软件(LargitData)创办人，是一位致力于提供舆情分析服务的创业者与数据科学家，熟悉Hadoop、Spark 等巨量数据平台，及擅长使用R，Python与机器学习技术进行数据分析。曾任多家上市公司顾问及担任知名大数据应用程序竞赛的评审，自身着有Machine Learning With R Cookbook [Packt] 与 R Cookbook [Packt] 二书。

课程全五星好评！！！

选择一个好老师，小编已经赢在起跑线了！

课程目录

第一章： 从人工智能到深度学习    

1、手把手教你用Python实践深度学习  【时长：5分钟】

2、人工智能的发展历史  【时长：25分钟】

3、机器学习  【时长：25分钟】

4、监督式学习 - 规则模型  【时长：30分钟】

5、监督式学习 – 线性模型  【时长：20分钟】

6、类神经网络  【时长：15分钟】

7、建构神经网络  【时长：30分钟】

8、执行学习算法  【时长：40分钟】

9、训练神经网络  【时长：25分钟】

10、反向传播算法  【时长：30分钟】

11、训练神经网络  【时长：10分钟】

12、梯度消失  【时长：5分钟】

13、支持向量机  【时长：15分钟】

14、深度学习  【时长：30分钟】

第二章：使用TensorFlow & Keras 建构人工神经网络(Artificial Neural Network)    

1、TensorFlow简介  【时长：10分钟】    

2、安装TensorFlow  【时长：10分钟】    

3、使用TensorFlow Playground可视化人工神经网络  【时长：30分钟】    

4、Keras 安装与配置  【时长：10分钟】 

5、[实例] 使用人工神经网络预测客户是否可信  【时长：60分钟】    

6、评估、调参、优化人工神经网络  【时长：30分钟】    

7、比较人工神经网络与其他机器学习模型  【时长：60分钟】 

第三章：卷积神经网络 (Convolutional Neural Network)    

1、什么是卷积神经网络(Convolutional Neural Network)  【时长：10分钟】    

2、卷积特征提取  【时长：10分钟】    

3、ReLu层 (Rectified Linear Units)  【时长：20分钟】    

4、池化层 (Pooling)  【时长：20分钟】    

5、Flattening 层  【时长：10分钟】    

6、建立卷积神经网络  【时长：30分钟】    

7、什么是SoftMax 与 Cross-Entropy  【时长：20分钟】

8、[实例] 利用卷积神经网络实践手写识别  【时长： 分钟】

9、[实例] 利用卷积神经网络辨识图片  【时长：60分钟】    

10、如何调校卷积神经网络  【时长：30分钟】

   

第四章：循环神经网络(Recurrent Neural Networks)    

1、什么是循环神经网络(Recurrent   Neural Networks)  【时长：20分钟】    

2、消失的梯度问题(The vanishing gradient problem)  【时长：30分钟】    

3、长短期记忆网络 LSTM（Long Short-Term Memory）  【时长：30分钟】    

4、建立循环神经网络(Recurrent Neural Networks)  【时长：20分钟】    

5、[实例] 利用循环神经网络(Recurrent Neural Networks)预测股价  【时长：60分钟】

6、如何调校循环神经网络(Recurrent Neural Networks)  【时长：30分钟】  

7、[实例] 如何用自动生成句子  【时长：60分钟】

第五章：自编码网络 (AutoEncoder)    

1、什么是自编码网络(AutoEncoder)  【时长：10分钟】    

2、训练自编码网络 (AutoEncoder)  【时长：10分钟】    

3、过完备隐藏层(Overcomplete Hidden Layers)  【时长：10分钟】    

4、稀疏编码 (Sparse Autodncoders)  【时长：20分钟】    

5、降噪自动编码(Denoising Autoencoders )  【时长：10分钟】    

6、收缩自动编码(Contractive Autoencoders)  【时长：20分钟】    

7、多层自动编码 (Stacked Autoencoders)  【时长：20分钟】    

8、深度自动编码 (Deep Autoencoders)  【时长：20分钟】    

9、[实例] 使用自编码网络建立推荐系统  【时长：60分钟】

10、[实例] 使用自编码网络建立入侵检测系统  【时长：60分钟】   

第六章：生成对抗网络 GAN (Generative Adversarial Nets)    

1、生成对抗网络GAN (Generative Adversarial Nets) 基本原理  【时长：10分钟】    

2、GAN 代价函数  【时长：10分钟】    

3、深度卷积对抗生成网络(DCGAN)  【时长：20分钟】    

4、批归一化(Batch Normalization)  【时长：20分钟】    

5、小步长卷积（Fractionally-Strided Convolution）  【时长：30分钟】    

6、[实例] 利用生成对抗网络 GAN 自动生成图片  【时长：60分钟】    

7、[实例] 利用文本生成图像  【时长：60分钟】

第七章：深度增强学习    

1、基于价值的增强学习  【时长：20分钟】    

2、基于策略的增强学习  【时长：20分钟】    

3、基于模型的增强学习  【时长：20分钟】    

4、深度Q学习  【时长：30分钟】    

5、深度策略网络  【时长：30分钟】    

6、[实例] 使用增强学习建立人工智能  【时长：60分钟】

课程大纲，清晰明了！

小编的学习路径一点也不迷糊！

更有四小节试听，一个多小时内容免费get！

最后，讲师还有“新鲜出炉”的直播课程

《Hellobi Live | 机器学习技术在Python语言的商业应用》可以免费学习嗷~地址：https://edu.hellobi.com/course/138

心动不如行动！

还在羡慕小编吗？

限时特惠，只需399！

省下一顿海底捞 or 一份小龙虾

荣升CEO、变身白富美，指日可待！

加入SVIP，免费学习此课程！

还可以17选7嗷~ 全场6折优惠等你嗷！

报名咨询，欢迎找八号小姐姐哈~~！

戳原文，一起学习吧！