[AI/大数据] 先机致胜，破冰AI！深度学习模型、框架与实战 天善智能

先机致胜，破冰AI！深度学习模型、框架与实战
课程介绍：
零基础入门。包含必备基础知识点，起步不再困扰；

通俗易懂。神经网络模型，理论与案例、实操结合，学以致用，生动翔实；

热点尽揽。当下深度学习最火两大框架caffe与tensorflow使用方法，实战演示；

实战致胜。四大项目实战（关键点定位，验证码识别，对抗生成网络、人脸检测），印象深刻，战力飙升；

课程目录：
课时1：神经网络-1-深度学习概述
课时2：神经网络-2-挑战与常规套路
课时3：神经网络-3-用K近邻来进行分类
课时4：神经网络-4-超参数与交叉验证
课时5：神经网络-5-线性分类
课时6：神经网络-6-损失函数
课时7：神经网络-7-正则化惩罚项
课时8：神经网络-8-softmax分类器
课时9：神经网络-9-最优化形象解读
课时110：DCGAN项目实战：训练DCGAN网络
课时11：神经网络-11-反向传播
课时12：神经网络架构-1-整体架构
课时13：神经网络架构-2-实例演示
课时14：神经网络架构-3-过拟合解决方案
课时15：章节3： 神经网络案例实战
课时16：神经网络案例-分模块构造神经网络
课时17：神经网络案例-训练神经网络完成分类任务
课时18：神经网络架构-4-感受神经网络的强大
课时19：1-卷积神经网络的应用
课时20：2-卷积层解释
课时21：3-卷积计算过程
课时22：4-pading与stride
课时23：5-卷积参数共享
课时24：6-池化层原理
课时25：卷积池化反向传播
课时26：卷积网络代码1
课时27：卷积网络代码2
课时28：1-经典网络架构
课时29：2-分类与回归任务
课时30：三代物体检测
课时31：数据增强策略
课时32：TransferLearning
课时33：巧妙设计神经网络
课时34：1-CAFFE简介
课时34：2-网络配置文件-数据层
课时35：网络配置文件-数据层
课时36：-网络配置文件-计算层
课时37：4-超参数solver文件
课时38：制作LMDB数据源
课时39：多label问题之HDF5数据源
课时40：使用命令行训练网络
课时41：使用python定义自己的层
课时42：绘制网络结构图
课时43：生成网络配置文件
课时44：对训练的网络模型绘制LOSS曲线
课时45：对训练结果进行分类任务
课时46：人脸检测项目概述
课时47：数据获取
课时48：正负样本数据裁剪
课时49：TXT数据制作
课时50：LMDB脚本文件
课时51：制作LMDB数据源
课时52：网络配置文件
课时53：超参数和训练网络
课时54：检测框架
课时55：scale变换和预处理
课时56：坐标变换
课时57：NMS完成代码
课时58：测试效果及改进
课时59：矫正过程
课时60：如何提高精度
课时61：项目总结
课时62：脸关键点检测算法框架
课时63：多标签数据源制作以及标签坐标转换
课时64：对原始数据进行数据增强
课时65：完成第一阶段HDF5数据源制作
课时66：第一阶段网络训练
课时67：第二三阶段网络数据源制作
课时68：第二三阶段网络模型训练
课时69：网络模型参数初始化
课时70：完成全部测试结果
课时71：人脸关键点检测效果
课时72：项目总结分析
课时73：算法框架分析
课时74：Tensorflow简介
课时75：Tensorflow安装
课时76：基本计算单元-变量
课时77：常用基本操作
课时78：构造线性回归模型
课时79：Mnist数据集简介
课时80：逻辑回归框架
课时81：迭代完成逻辑回归模型
课时82：神经网络模型架构
课时83：训练神经网络
课时84：卷积神经网络模型架构
课时85：卷积神经网络模型参数
课时86：模型的保存和读取
课时87：加载训练好的VGG网络模型
课时88：使用VGG模型进行测试
课时89：使用RNN处理Mnist数据集
课时90：RNN网络模型
课时91：训练RNN网络
课时92：验证码数据生成
课时93：构造网络的输入数据和标签
课时94：卷积网络模型定义
课时95：迭代及测试网络效果
课时96：对抗生成网络简介
课时97：对抗生成网络形象解释
课时98：对抗生成网络工作原理
课时99：案例实战对抗生成网络：环境配置