课程背景基于人工智能与深度学习领域,使用python作为课程的实战语言,随着大数据与人工智能领域日益火爆,深度学习已经成为当下最热门的领域,课程旨在帮助同学们快速掌握深度学习必备原理并使用深度学习框架Tensorflow与Caffe进行项目实战，从零开始完成多个经典深度学习项目。     1.课程研发环境 课程基于windows环境进行讲解与代码演示,需要同学们搭建Python环境,推荐根据课时（使用Anaconda 3 搭建python3.5环境）来进行python和其依赖库的安装。对于后续的框架学习需要同学安装深度学习经典框架Caffe与Tensorflow。 2.内容简介 课程风格通俗易懂，必备原理，形象解读，项目实战缺一不可！主体课程分成四个大模块(1)神经网络必备基础知识点，(2)深度学习模型，(3)深度学习框架Caffe与Tensorflow，(4)深度学习项目实战。 课程首先概述讲解深度学习应用与挑战，由计算机视觉中图像分类任务开始讲解深度学习的常规套路。对于复杂的神经网络，将其展开成多个小模块进行逐一攻破，再挑战整体神经网络架构。对于深度学习模型形象解读卷积神经网络原理，详解其中涉及的每一个参数，对卷积网络架构展开分析与评估，对于现阶段火爆的对抗生成网络以及强化学习给出形象解读，并配合项目实战实际演示效果。 基于框架实战，选择两款深度学习最火框架，Caffe与Tensorflow，首先讲解其基本使用方法，并结合案例演示如何应用框架构造神经网络模型并完成案例任务。 选择经典深度学习项目实战，使用深度学习框架从零开始完成人脸检测，验证码识别，人脸关键点定位，垃圾邮件分类，图像风格转换，AI自己玩游戏等。对于每一个项目实战，从数据预处理开始一步步构建网络模型并展开分析与评估。 课程提供所涉及的所有数据，代码以及PPT，方便大家快速动手进行项目实践！   【决胜AI】深度学习实战课程：  第1讲-深度学习概述与挑战 第2讲-图像分类基本原理 第3讲-深度学习必备基础知识点 第4讲-神经网络反向传播原理 第5讲-神经网络整体架构 第6讲-神经网络案例实战图像分类任务 第7讲-卷积神经网络基本原理 第8讲-卷积参数详解 第9讲-卷积神经网络案例实战 第10讲-经典网络架构分析 第11讲- 分类与回归任务 第12讲- 三代物体检测算法分析 第13讲-数据增强策略 第14讲-TransferLearning 第15讲-网络架构设计 第16讲- 深度学习框架Caffe网络结构配置 第17讲-Caffe制作数据源 第18讲- Caffe框架使用技巧 第19讲-Caffe框架常用工具 第20讲-深度学习项目实战人脸检测 第21讲-人脸正负样本数据源制作 第22讲-人脸检测网络架构配置 第23讲-人脸检测代码实战 第24讲-人脸检测项目总结与改进分析 第25讲-人脸关键点定位项目实战 第26讲-人脸关键点定位网络模型 第27讲- 人脸关键点定位构建级联网络 第28讲-人脸关键点定位测试效果与分析 第29讲-Tensorflow框架实战 第30讲-Tensorflow构建回归模型 第31讲-Tensorflow构建神经网络模型 第32讲- Tensorflow深度学习模型 第33讲-Tensorflow加载模型 第34讲-Tensorflow打造RNN网络模型 第35讲-Tensorflow项目实战验证识别 第36讲- Tensorflow项目实战-垃圾邮件分类 第37讲-Tensorflow配置识别网络模型 第38讲- Tensorflow实现训练模块 第39讲-项目实战图像风格转换 第40讲-特征提取网络定义 第41讲-生成网络结构定义 第42讲-实现风格转换训练模块 第43讲-强化学习基础 第44讲-值迭代求解 第45讲-QLearning算法原理 第46讲-DQN网络架构 第47讲-项目实战DQN网络让AI自己玩游戏 第48讲-实现DQN强化学习 第49讲-项目实战对抗生成网络 第50讲-GAN网络实例 第51讲-基于卷积神经网络的GAN 第52讲-DCGAN网络实战                         目标一. 掌握深度学习必备基础知识点 目标二. 深度学习模型 目标三. 深度学习框架Caffe与Tensorflow 目标四. 经典深度学习项目实战流程 目标五. 模型调参技巧 目标六. 计算机视觉任务挑战