深度学习入门与实战-带你精简算法理论，从零打造实战模型（拉勾教育）

2021年7月15日 67条评论 7,326次阅读

资源简介

文章目录

背景介绍
2018 年，ACM 宣布，有“深度学习三巨头”之称的Yoshua Bengio、Yann LeCun、Geoffrey Hinton 共同获得了 2018 年的图灵奖，这是图灵奖 1966 年建立以来少有的一年颁奖给三位获奖者。

也是从那时开始，深度神经网络促加速了现代计算机科学的进程，也加速了这个世界的 AI 化。如今从手机 App 到 AI 客服，从城市智慧交通与智慧医疗，再到工业互联网、智慧制造、智慧农业……这些背后都有深度学习的功劳。

专栏解读
想要成为一名优秀的深度学习工程师并不容易，研究 AI 有着天然的高门槛和高要求。很多人都是理论上的王者，实践上的青铜，自以为对框架、算法的理解足够，但因为缺乏应用场景和实践机会，遇到实际问题仍然不知道该怎么抽象问题然后用模型解决。

而本门课程将会从理论基础、工具使用、实战上手三个方面，带领你从理论开始，一步步认识和了解深度学习，并学会打造深度学习模型。

模块一：深度学习的基础概念。这个模块就像是打地基，老师会带你了解深度学习会用到的基础知识，主要是数学知识和理论知识。还会对深度学习中常用的结构进行详细的介绍，比如你经常听到的 CNN、DNN、GAN 等，从零开始，逐步深入。通过这一部分的学习，你会了解深度学习必备的基础知识。

模块二：深度学习的工具与框架。这个模块就像是盖楼的砖瓦，有了理论知识，就可以将理论知识转化成代码，并用合适的框架、工具协助你开展工作。框架方面，目前常用的深度学习框架很多，有 TensorFlow、PyTorch 等，老师会以其中使用最广泛的 TensorFlow 作为切入点，带你熟悉图像处理工具、模型训练记录工具、交互工具等工具的使用。通过这一部分的学习，你就可以着手准备开发实战项目了。

模块三：深度学习经典问题的落地实战。这个模块就开始教你盖楼了，老师会选择几个常见的深度学习应用场景，包括图像分类、语义分割和自然语言处理，教你如何从零开始做模型、如何优化已有模型，一步步教你打造项目模型。通过这一部分的学习，你就可以打造属于你自己的深度学习模型。

讲师介绍
槐树前腾讯高级算法研究员

他拥有深厚的一线研发经验，主攻 NLP 与 CV 的深度学习研究方向。目前在某国外互联网公司任数据科学家，为全球数亿用户提供了高可靠的基于深度学习的服务与应用。曾参与腾讯核心资讯产品的深度学习方面的体系搭建、算法研究和应用落地，为微信看一看、天天快报、腾讯短视频等业务提供了算法支撑。

资源目录

制作：百度网盘批量处理大师 
若显示有错位情况，请使用notepad++软件打开

——/计算机教程/07拉勾/037-522-深度学习入门与实战/
├──文档  
|   ├──01  从神经元说起：数学篇.md  31.36kb
|   ├──02  从神经元说起：结构篇.md  23.89kb
|   ├──03  AI 术语：让你变得更加专业.md  22.24kb
|   ├──04  函数与优化方法：模型的自我学习（上）.md  21.64kb
|   ├──05  前馈网络与反向传播：模型的自我学习（下）.md  19.68kb
|   ├──06  线性回归模型：在问题中回顾与了解基础概念.md  27.13kb
|   ├──07  卷积神经网络：给你的模型一双可以看到世界的眼睛.md  29.22kb
|   ├──08  RNN 与 LSTM：模型也可以持续不断地思考.md  18.09kb
|   ├──09  自编码器：让模型拥有属于自己的表达和语言.md  21.38kb
|   ├──10  生成式对抗网络：艺术创造也可以成为深度学习的拿手好戏.md  16.28kb
|   ├──11  集成、共享、敏捷：Jupyter Notebook 的使用.md  29.43kb
|   ├──12  数据预处理：让模型学得更好.md  29.67kb
|   ├──13  张量、数据流图与概念：初步了解 TenorFlow.md  29.59kb
|   ├──14  工作机制与流程：通过手写识别深入了解 TenorFlow.md  24.11kb
|   ├──15  TenorBoard：实验统计分析助手.md  20.44kb
|   ├──16  图像分类：技术背景与常用模型解析.md  20.80kb
|   ├──17  图像分类：实现你的第一个图像分类实战项目.md  24.37kb
|   ├──18  语义分割：技术背景与算法剖析.md  21.28kb
|   ├──19  语义分割：打造简单高效的人像分割模型.md  26.73kb
|   ├──20  文本分类：技术背景与经典网络结构介绍.md  21.71kb
|   ├──21  文本分类：用 Bert 做出一个优秀的文本分类模型.md  32.72kb
|   ├──结束语  掌握深度学习，搭上 AI 快车.md  5.33kb
|   └──开篇词  掌握深度学习，畅游 AI 时代.md  10.49kb
├──01  从神经元说起：数学篇.mp4  92.15M
├──02  从神经元说起：结构篇.mp4  101.09M
├──03  AI 术语：让你变得更加专业.mp4  99.09M
├──04  函数与优化方法：模型的自我学习（上）.mp4  102.40M
├──05  前馈网络与反向传播：模型的自我学习（下）.mp4  80.19M
├──06  线性回归模型：在问题中回顾与了解基础概念.mp4  87.33M
├──07  卷积神经网络：给你的模型一双可以看到世界的眼睛.mp4  126.67M
├──08  RNN 与 LSTM：模型也可以持续不断地思考.mp4  61.29M
├──09  自编码器：让模型拥有属于自己的表达和语言.mp4  85.31M
├──10  生成式对抗网络：艺术创造也可以成为深度学习的拿手好戏.mp4  65.81M
├──11  集成、共享、敏捷：Jupyter Notebook 的使用.mp4  106.86M
├──12  数据预处理：让模型学得更好.mp4  124.12M
├──13  张量、数据流图与概念：初步了解 TenorFlow.mp4  113.97M
├──14  工作机制与流程：通过手写识别深入了解 TenorFlow.mp4  81.94M
├──15  TenorBoard：实验统计分析助手.mp4  65.57M
├──16  图像分类：技术背景与常用模型解析.mp4  106.06M
├──17  图像分类：实现你的第一个图像分类实战项目.mp4  94.68M
├──18  语义分割：技术背景与算法剖析.mp4  110.72M
├──19  语义分割：打造简单高效的人像分割模型.mp4  120.88M
├──20  文本分类：技术背景与经典网络结构介绍.mp4  93.05M
├──21  文本分类：用 Bert 做出一个优秀的文本分类模型.mp4  133.06M
├──结束语  掌握深度学习，搭上 AI 快车.mp4  18.05M
└──开篇词  掌握深度学习，畅游 AI 时代.mp4  46.62M