适合人群

作为一项前沿的技术,深度学习不可能做到零门槛,所以需要你具备一些基本的前提条件。

1. 熟悉 Python 基础语法

《楼+ 深度学习实战》课程将会使用 Python 语言作为代码实战过程中唯一的编程语言。除了 Python 语言具备语法简单,上手快的特点。选择其的另一个重要原因是目前在深度学习领域,最优秀的开源项目和工具几乎都提供了对 Python 语言的支持。

如果你对 Python3 还不够了解和熟悉,非常推荐学习实验楼免费基础课程:《Python3 简明教程》

2. 有一定的数学基础

为了更好地理解深度学习算法原理,你需要具备一定的数学基础。如果你是理工科学生,并在大学本科阶段学习过数学基础知识依据足够。不需要你花费大量时间去全面重温《高等数学》、《线性代数》等课程内容,只要有印象,回忆起来就非常快了。除此之外,非理工科学生需要你掌握基础的线性代数知识,推荐观看《可汗学院线性代数基础课程》

如果你的数学基础较差,但又想学习深度学习知识,不要忘记我们是深度学习实战课程。本次课程中,我们对常用的开源框架都进行了讲解,你可以着重于对深度学习方法的应用。简单来讲,如果你实在无法理解算法背后的数学原理,掌握使用 Python 完成深度学习代码实战也是一件很有收获的事情。

每周付出的时间

每周至少有 12 小时用于完成实验、挑战任务

坚持到底的决心

不会因为遇到困难而半途而废,有毅力坚持到最后

积极主动的态度

遇到问题能与小组同学及助教讨论,积极主动寻求答案

课程安排

课程准备阶段

本课程将使用 Python 作为代码实战过程中的唯一编程语言,需要你熟悉 Python 的基础语法,并掌握 NumPy,Pandas 及其他基础工具模块。

第0周

预备知识

本课程将使用 Python 作为代码实战过程中的唯一编程语言,需要你熟悉使用 Python 构建机器学习模型的常用工具模块,包括 NumPy,Pandas 以及绘图工具 Matplotlib。 如果你还未掌握上述技能,请在开课前自学以下课程:《Python3简明教程》 《NumPy 数值计算基础课程》 《Pandas 数据处理基础课程》 《Matplotlib 数据绘图基础课程》。详细内容,请阅读正式课程页面中的课程准备相关内容。

深度学习理论阶段

本阶段将围绕着深度学习涉及到的基础理论展开。我们将从线性回归开始,对人工神经网络涉及到的知识点和理论体系进行讲解,并学会使用 Python 构建并训练人工神经网络。

第1周

深度学习原理

本周将围绕深度学习基础原理展开,内容将涵盖线性回归、逻辑回归、感知机、人工神经网络等算法的理论及应用。你会对深度学习的基本概念,以及模型的构建、训练、评估有初步的了解,为后续深度神经网络的学习打下基础。

深度学习理论阶段

掌握深度学习基础理论之后,本阶段将会涉及到应用和实践。你将学习业界有着广泛应用的深度学习开源框架,并进一步掌握不同深度神经网络的原理和实际应用。

第2周

深度学习框架

深度学习原理部分,课程会使用 Python 从 0 到 1 构建神经网络。但深度神经网络如果按此方法构建将会变得异常麻烦。本周,我们将学习深度学习通用的网络构建方法,掌握业界最常用的两大著名深度学习框架 TensorFlow 和 PyTorch。
第3周

计算机视觉

计算机视觉一定是深度学习最擅长的领域之一,本周我们将学习卷积神经网络和生成对抗网络的原理及构建方法。同时,课程将从图像分类、图像生成、目标检测等场景出发,运用深度学习技术进行实践。
第4周

自然语言处理

自然语言处理是让机器理解人类语言的一项技术。本周我们会学习循环神经网络的原理和构建方法,尝试探索自然语言处理相关应用。你不仅能接触到机器写诗的奇妙,还将学会利用最前沿的预训练技术来完成假新闻分类任务。

深度学习工程阶段

本阶段将了解深度学习相关的工程实践方法,包括前沿的自动化深度学习技术以及深度学习模型部署方法。最终,我们将通过项目挑战比赛来检验课程的学习成果。

第5周

深度学习工程

本周内容将涉及到自动化深度学习技术,自动化深度学习可以一定程度上降低深度学习模型的开发门槛,算法的选择、训练、调优、部署等一系列过程都可以交给自动化组件来完成。与此同时,我们将掌握深度学习模型持久化方法,并独立设计部署一个图像分类云端模型推理 RESTful API。
第6周

项目挑战比赛

为了检验课程内容的学习成果,你需要独立完成最终的课程项目挑战。我们依托于 Kaggle 建立了实战化的比赛,你将体会到竞争带来的乐趣。如果你能够出色完成项目挑战内容,将有机会获得课程设置的现金奖学金。除此之外,认真完成项目挑战的学员,也将收到课程组给出的评阅意见。

FAQ

学习本课程前是否必须先学习《楼+ 机器学习实战》课程?

建议,但不必须。《楼+ 机器学习实战》课程是一门理想的机器学习入门课程,这对于你掌握机器学习基本概念、核心算法、应用套路很有帮助。如果你完全没有机器学习基础,建议你先学习《楼+ 机器学习实战》后再学习《楼+ 深度学习实战》课程。当然,如果你已经有一定的机器学习基础,可以直接报名学习《楼+ 深度学习实战》课程。

课程主要是什么形式的?

*对于课程中的实验,我们会提供完整的代码和详细的文档,同时嵌入关键步骤的录制视频,是在模仿练习;

*对于课程中的挑战,我们会提供实际工作中会遇到的问题或项目任务,包含若干知识点,需要在线完成,系统自动评判PASS或FAIL。

点击此处了解如何学习楼+课程

如果你还不熟悉实验楼,点击这里了解实验楼

开课前需要做什么准备?

1. 只需要准备一台能上网的电脑,学习将在实验楼的在线环境进行,无需安装配置本地环境;

2.阅读课程须知,并完成第0周的课程学习(你可以报名后在课程详情页找到它)

学完能找到工作吗?

课程内容基本覆盖了常用的深度学习方法,也满足了深度学习初级工程师的基本需要。如果要尝试寻找深度学习方面的工作,除了熟知深度学习的算法和原理,还需要具备较为扎实的 Python 编程能力和工程实现能力。当然,如果能动手亲自学完课程中的代码和习题,相信你在这些方面都能得到很大的提升。

楼+课程与其它课程的区别是什么?

楼+ 面向的是希望系统化学习某一技术的用户,提供了更完善的学习路径和教学服务。楼+课程与其它课程最大的不同体现在教学服务上:

学完能达到什么水平?

对深度学习常见算法原理熟悉、能手动实现部分核心算法,同时学会使用开源框架搭建预测模型,可达到深度学习初级工程师的水平。

是否支持退款?

开课后24小时内可以申请全额退款,因为之后会进行项目分组,10人一组,为避免对同组的影响,分组后不再接受退款申请。

支持什么付款方式?

目前支持微信,支付宝付款,花呗分期。

课程中如何进行答疑?

实验楼共有3种答疑方式:QQ群实时答疑,1V1桌面共享答疑,讨论区答疑。

其中工作时间(工作日9:00~18:30)可使用QQ群实时答疑,必要的时候会使用实验楼的共享桌面功能提供 1V1 共享桌面协作;

非工作时间,无法保证及时回复,可以在讨论区提问,助教上班后第一时间回复解决。

课程是否有有效期?

楼+教学服务结束后,无法享受QQ群答疑服务。但仍可以在课程有效期内(默认180天,遇特殊情况可申请延长)学习课程并享受讨论区答疑服务。