深度学习框架如Tensorflow和Pytorch等为用户提供了可供调用的API，但也隐藏了深度学习底层的实现细节。

为方便大家更加深入地理解深度学习原理并了解其底层实现，特此推出了课程《深度学习原理详解及Python代码实现》。期望能“掀起你的盖头来，让我看看你的模样”，为深度学习进一步的优化和创新打下根基。

本课程详细讲解深度学习原理并进行Python代码实现。课程内容涵盖感知机、多层感知机、卷积神经网络、循环神经网络，并使用Python 3及Numpy、Matplotlib从零实现上述神经网络。本课程还讲述了神经网络的训练方法与实践技巧，且开展了代码实践演示。对于核心内容讲解深入细致，如基于计算图理解反向传播算法，并用数学公式推导反向传播算法；另外还讲述了卷积加速方法im2col。

本课程力求使学员通过深度学习原理、算法公式及Python代码的对照学习，摆脱框架而掌握深度学习底层实现原理与方法。

本课程将给学员分享深度学习的Python实现代码。课程代码通过Jupyter Notebook演示，可在Windows、ubuntu等系统上运行，且不需GPU支持。

学习本课程的前提是会使用Python语言和Numpy和Matplotlib库。

购课后可加入白勇老师课程学习交流QQ群：957519975