课程特色
覆盖全面。不但覆盖深度学习中的CNN、RNN、LSTM、GAN、Deep Q-learning等主要模型的原理及其应用，且新增CVPR 2017 最佳论文之一的CNN模型 DenseNet，和Hinton提出的计算机视觉新想法Capsule Network原理和代码。
大咖授课。三位讲师均来自Google等一线互联网公司的技术大咖，讲解通俗易懂，助君更好的入门和深入学习深度学习。且精讲笔试面试中常见的知识点，毕业考试优秀者优先内推BAT等一线互联网公司。
双云平台。全程提供GPU&CPU云实验平台（均提前做好相关配置），且支持作业和考试一对一批改。
所需基础
了解Logistic Regression等基本机器学习模型。适合在校研究生或本科生，深度学习从业者、爱好者。·
讲师团队
寒小阳、张雨石、Johnson
学习成果
1 从零积累神经网络基础知识，理解不同类型的神经网络结构细节和应用场景；
2 了解深度学习在计算机视觉和自然语言处理中的典型应用方法；
3 掌握主流深度学习框架(caffe，tensorflow，keras，pytorch)的使用方法；
4 了解前沿的深度学习新技术。
适配岗位
深度学习工程师
应用场景
图像分类
物体检测
图像生成
文本分类
机器翻译
风格转化
