课程持续更新中，文末附分享目前已经release出来的视频和ppt下载链接。
课程描述：
讲解深度学习的基本理论，介绍深度学习各种实际应用。
期望和目标：
希望学习本门课程的学生学会：
（1）、深度学习工作原理。
（2）、深度学习常用架构工作原理。
（3）、深度学习工具包的使用，如何设计搭建模型。
（4）、如何使用深度学习技术分析和解决实际的问题。
一些先决条件：
需要的一些编码能力：
熟练使用Python编程，左右作业均采用Python编程。
预修课程要求：
大学微积分
线性代数
概率论与数理统计
机器学习基础
统计学
课程大纲：
课程视频教程及ppt下载地址：
链接: https://pan.baidu.com/s/1nuXsoFR
密码: 公众号回复“taida”
往期精彩内容分享：
AI、神经网络、机器学习、深度学习和大数据的核心知识备忘录分享
吴恩达-斯坦福CS229机器学习课程-2017（秋）最新课程分享
斯坦福大学2017年-Spring-最新强化学习（Reinforcement Learning）课程分享
模型汇总22 机器学习相关基础数学理论、概念、模型思维导图分享
《模型汇总-20》深度学习背后的秘密：初学者指南-深度学习激活函数大全
更多深度学习在NLP方面应用的经典论文、实践经验和最新消息，欢迎关注微信公众号“深度学习与NLP ” 或“ DeepLearning_NLP ”或扫描二维码添加关注。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
