预计课时数：40课时
课程适合人群 ：深度学习入门学子、深度学习进阶学子
课程介绍：本课程从0到1，讲解深度必备知识。本课程主要讲解：深度学习数学基础、线性分类器和人工神经网络、计算机视觉与卷积神经网络CNN、深度学习框架与应用、物体检测与图片风格识别、词嵌入/word2vec与相关应该用、循环神经网络RNN与长短时记忆网络、循环神经网络应用、强化学习与DQN、深度学习与各种迁移学习。
课程大纲：（请列出每节课的知识点）
第一章：深度学习数学基础
第一节 微积分重点讲解28:47
第二节 概率统计重点讲解30:00
第三节 线性代数重点讲解30:00
第四节 凸优化讲解44:28
第二章：线性分类器和人工神经网络
第一节 深度学习与神经网络29:38
第二节 分类学习与原理30:00
第三节 BP算法与SGD优化30:00
第四节 BP算法与SGD优化二45:10
第三章：计算机视觉与卷积神经网络CNN
第一节 卷积神经网络cnn29:22
第二节 卷积神经网络cnn训练与优化30:00
第三节 正则化与Dropout30:00
第四节 典型结构与其优化39:08
第四章：深度学习框架与应用
第一节 Caffe重点介绍与使用28:24
第二节 Torch重点介绍与使用30:00
第三节 TensorFlow重点介绍与使用30:00
第四节 MxNet重点介绍与使用45:16
第五章：物体检测与图片风格识别
第一节 物体检测问题29:02
第二节 Deformable Parts Model30:00
第三节 RCNN,Fast-RCNN,Faster-RCNN30:00
第四节 RFCN39:20
第六章：词嵌入/word2vec与相关应该用
第一节 NLP介绍25:59
第二节 NLP处理30:00
第三节 工具word2vec30:00
第四节 NLP处理二29:10
第七章：循环神经网络RNN与长短时记忆网络
第一节 循环神经网络RNN28:57
第二节 循环神经网络RNN30:00
第三节 长短期记忆网络30:00
第四节 应用案例详解47:19
第八章：循环神经网络应用
第一节 RNN与LSTM29:43
第二节 图像描述30:00
第三节 音乐合成30:00
第四节 翻译系统与其他48:17
第九章：强化学习与DQN
第一节 强化学习28:47
第二节 强化学习与dqn30:00
第三节 强化学习技术详解30:00
第四节 应用与实战20:15
第一十章：深度学习与各种迁移学习
第一节 迁移学习28:37
第二节 迁移学习技术30:00
第三节 深度学习与迁移学习30:00
第四节 案例实战35:30
讲师介绍：讲师王而川，哈尔滨乐川科技有限责任公司公司CEO，企业培训负责人，天津大学软件学院的一名硕士，人工智能与数据挖掘实验室，专注研究无人驾驶领域的目标识别与跟踪。本人对机器学习，深度学习都有一定的研究。某培训学院创始人，人工智能培训讲师，专业从事机器学习与深度学习培训。
