深度学习入门视频课程从基本的神经网络开始讲起，将复杂的神经网络分成几个小模块，先对的知识点的细节进行详细讲解再拓展到整个神经网络，从神经网络的架构，细节进行全面分析，并使用python代码完成的神经网络，从效果上感受神经网络的强大。熟悉神经网络后再进军卷积神经网络与递归神经网络，详解CNN与RNN的原理与细节。对经典网络模型结构详细分析讲解，选择经典论文剖析。带大家上手深度学习！
-
第一章：深度学习必备知识点
-
-
01. 深度学习与人工智能概述
-
02. 计算机视觉面临挑战与机器学习常规套路
-
03. 用K近邻进行图像分类任务（->数据代码下载）
-
04. 超参数与交叉验证
-
05. 线性分类
-
06. 损失函数
-
07. 正则化惩罚项
-
08. softmax分类器
-
09. 最优化问题形象解读
-
10. 梯度下降算法
-
11. 反向传播实例
-
第二章：走进深度学习的世界-神经网络模型
-
-
第三章：神经网络案例实战
-
-
第四章：卷积神经网络
-
-
第五章：卷积神经网络案例实战
-
-
第六章：递归神经网络
-
-
第七章：Faster-rcnn物体检测框架
-
-
第八章：级联网络结构
-
-
第九章：关键点定位网络
-
-
第一十章：残差网络架构
-
-
第一十一章：style-transfer风格转换
