【课程简介】
系统、全面的介绍卷积神经网络、循环神经网络、长短期记忆网络等深度学习算法的原理，优缺点，并学习这些模型在python（ Keras+Tensorflow）环境下的实现方法。
本课程为统计原理与操作并重，在详细阐明各种模型算法特点的基础上，再对这些方法的python实现进行学习。
学习完本课程后，学员将能够独立使用Keras+Tensorflow拟合神经网络、CNN、RNN、LSTM等各种深度学习模型，并能够使用VGG、ResNet等已有模型进行迁移学习，以满足实际研究工作或数据挖掘项目中的建模需求。
【适用人群】
希望能够成为Python编程和数据分析的跨界人才，目前尚未成功，但仍然在不断努力的人。
【课程大纲】
第1章：深度学习概述
第2章：准备软件环境
第3章：神经网络模型入门
第4章：Keras操作入门
第5章：卷积神经网络
第6章：图像预处理
第7章：迁移学习
第8章：循环神经网络
第9章：长短期记忆网络
【课程长度】
总时长：11小时
【学员基础】
学员需要懂得Python语言的基本编程知识，有基本的程序查错能力。
学员事前应当掌握统计分析的基本知识，建议完全没有统计基础的学员事先学习免费视频课程《统计分析轻松入门》和《统计模型轻松入门》。
学员应当熟悉数据挖掘的相关知识，建议学员事先学习《数据挖掘入门》，或者《Python系列：玩转数据挖掘》课程。
