课程名称：
手把手教你用Python 实践深度学习
【温馨提示：1. 你可以在PC端浏览器或者微信收藏该页面，以方便你快速找到这个课程；2. 课程相关资料可在课程PC端公告查看下载；3.加入课程后，点(课时)列表即可观看视频 】
讲师的其他免费课程也可以前往学习！！！
戳：Hellobi Live | 机器学习技术在Python语言的商业应用 https://edu.hellobi.com/course/138
讲师介绍：
丘祐玮(DavidChiu) – 大数软件(LargitData)创办人，是一位致力于提供舆情分析服务的创业者与数据科学家，熟悉Hadoop，Spark 等巨量数据平台，及擅长使用R，Python与机器学习技术进行数据分析。曾任多家上市公司顾问及担任知名大数据应用程序竞赛的评审，自身着有Machine Learning With R Cookbook [Packt] 与 R Cookbook [Packt] 二书
本课程讲师配套其他课程：
人人都爱数据科学家！Python数据科学精华实战课程 https://edu.hellobi.com/course/159
学习方式：
录播课程，开课即学
在线反复观看，有效期2年
上课方式：录播学习+VIP会员群+独享问答中心+在线答疑 +2年反复观看
课程目录：
第一章： 从人工智能到深度学习
1、手把手教你用Python实践深度学习
2、人工智能的发展历史
3、机器学习
4、监督式学习 - 规则模型
5、监督式学习 – 线性模型
6、类神经网络
7、建构神经网络
8、执行学习算法
9、训练神经网络
10、反向传播算法
11、训练神经网络
12、梯度消失
13、支持向量机
14、深度学习
第二章：使用TensorFlow & Keras 建构人工神经网络(Artificial Neural Network)
1、TensorFlow简介
2、安装TensorFlow
3、使用TensorFlow Playground可视化人工神经网络
4、Keras 安装与配置
5、[实例] 使用人工神经网络预测客户是否可信
6、评估、调参、优化人工神经网络
7、比较人工神经网络与其他机器学习模型
第三章：卷积神经网络 (Convolutional Neural Network)
1、什么是卷积神经网络(Convolutional Neural Network)
2、卷积特征提取
3、ReLu层 (Rectified Linear Units)
4、池化层 (Pooling)
5、Flattening 层
6、建立卷积神经网络
7、[实例] 利用卷积神经网络实践手写数字识别
8、[实例] 利用卷积神经网络辨识图片-使用网络爬虫抓取明星图片
9、[实例] 利用卷积神经网络辨识图片-使用OpenCV撷取人脸
10、[实例] 利用卷积神经网络辨识图片-建立卷积神经网络
第四章：循环神经网络(Recurrent Neural Networks)
1、什么是循环神经网络(Recurrent Neural Networks)
2、消失的梯度问题(The vanishing gradient problem)
3、长短期记忆网络 LSTM（Long Short-Term Memory）
4、[实例] 利用循环神经网络(Recurrent Neural Networks)预测股价
5、[实例] 利用LSTM生成文章
第五章：自编码网络 (AutoEncoder)
1、什么是自编码网络(AutoEncoder)
2、训练自编码网络 (AutoEncoder)
3、过完备隐藏层(Overcomplete Hidden Layers)
4、稀疏编码 (Sparse Autodncoders)
5、降噪自动编码(Denoising Autoencoders )
6、收缩自动编码(Contractive Autoencoders)
7、多层自动编码 (Stacked Autoencoders)
8、深度自动编码 (Deep Autoencoders)
9、[实例] 使用自编码网络建立推荐系统
10、[实例] 使用自编码网络建立入侵检测系统
第六章：生成对抗网络 GAN (Generative Adversarial Nets)
1、生成对抗网络GAN (Generative Adversarial Nets) 基本原理
2、GAN 代价函数
3、深度卷积对抗生成网络(DCGAN)
4、批归一化(Batch Normalization)
5、小步长卷积（Fractionally-Strided Convolution）
6、[实例] 利用生成对抗网络 GAN 自动生成图片
7、[实例] 利用文本生成图像
第七章：深度增强学习
1、基于价值的增强学习
2、基于策略的增强学习
3、基于模型的增强学习
4、深度Q学习
5、深度策略网络
6、[实例] 使用增强学习建立人工智能
友情提示
1、PC端如果发现浏览器无法观看课程，建议使用谷歌浏览器观看；移动端建议直接微信打开课程页面。
2、如果购买后下次登录提示课程需要重新购买，一般是因为你把登录账户记成你绑定的手机或者邮箱帐号而混淆了。
3、【在微信购买课程的用户注意】请微信收藏课程页面或者关注微信公众号：天善智能（点“我的”即可查看你已购买的课程），已方便下次学习。
4、课程相关资料&QQ会员群可在课程PC端公告查看下载。
5、加入学习后请添加客服微信：tianshansvip（请注明：课程名称，发送支付截图），加入学员交流群中。
