深度学习与计算机视觉核心技术与应用（学习目录简介）

　 　 无意中看到举办的深度学习与计算机视觉的课程培训，看到培训的内容，很是感兴趣，有种把之前零散学习到的东西进行了一次总结。因此我想根据培训课程的目录把我之前的学习的一些内容以及个人经验进行一次全面的总结，也当做一次复习吧！
　 　 深度学习是近十年来人工智能领域取得的重要突破。它在计算机视觉、图像与视频分析、语音识别、自然语言处理、多媒体等诸多领域的应用跨入高速发展期。对行业从业人员的技术要求也在日益增加，同时面临前所未有的机遇与挑战。
　 　 计算机视觉是深度学习具有潜力的应用领域，深度学习让计算机视觉如虎添翼。谷歌以及与其合作的斯坦福大学、爱丁堡大学、UCLA、牛津大学、约翰霍普金斯大学的论文都使用了深度学习，深度学习几乎成了如今计算机视觉研究的标配，随着深度学习发展，计算机视觉领域相关技术大幅提高，针对于人脸识别、车牌识别、行人检测、大规模场景识别的准确性和难度也在大幅提高，为了帮助提高广大从业人员的技术水平，快速解决实际科研中遇到的问题，应广大技术工作者的要求
　 　 学习目录如下：

• 一、机器学习基础

  　 1.线性代数
  　 　 (1).矩阵运算
  　 　 (2).向量运算
  　 　 (3).SVD
  　 　 (4).PCA
  　 2.概率信息论
  　 　 (1).概率分布
  　 　 (2).期望、方差、协方差
  　 　 (3). 贝叶斯
  　 　 (4).结构概率模型
  　 3.数值优化

• 二、 深度学习基础

  　 1.深度学习介绍
  　 　 (1).发展历史
  　 　 (2).主要应用
  　 2.感知器
  　 3.人工神经网络
  　 4.前馈神经网络
  　 5.BP 算法
  　 6.Hessian 矩阵

  <