如果时间可以倒退，我想对当初刚入门深度学习的自己说......-技术圈

我刚入门深度学习的时候，看了各种深度学习相关的资料，花书、cs231n、neural networks and deep learning、cs224d等等。

看来看去，感觉好像什么都懂了，不就那些模块吗，conv、lstm、pooling、fc、drop out等等。alexnet、vgg、googlenet、resnet等网络就像乐高一样，把这些模块当积木一样组合起来，好像也没啥特别的。

又好像什么都不懂，学会这些模块的公式就算会深度学习了吗？整个深度学习的学习周期是怎样的，我下一步应该干啥？这些模块看起来平平无奇，为什么组合在一起就能发挥这么大威力？为什么drop out能起到正则作用？L1正则和L2正则有什么区别？cnn、rnn、dnn除了公式不一样外到底有啥区别？各种各样的问题，不一而足，而每个问题我都不知道答案。

邀请你加入深度学习学霸圈，发现更大的深度学习世界～

看的这些资料里面要么没讲到这些问题，要么用比较数学的方式解释，对初学者非常不友好。知乎、博客等零散的知识点，很难达到系统学习的效果；在深度学习理论理解不透彻的情况下，直接进行动手实践，又造成了只会调参数的局面。

如果现在可以穿越到我刚入门的时候，我会这样跟当时的自己讲：

深度学习的资料汗牛充栋，不过入门看其中一两本经典的书就够了，比如花书《deep learning》和stanford的cs231n。而且初学者最缺的不是深度学习的资料以及那一堆公式，而是一个指路人，他能用通俗易懂的方式把深度学习在你面前掰开，又亲手把它给捏回去，还能告诉你深度学习整个的学习周期是怎样的，这样就能让你少走很多弯路，提高学习的效率。

怎样才能拥有扎实的理论基础做后盾？最终实现落地实际应用?

上面这个学员面临的困境，不是个例。越来越多的学员，想扎根人工智能赛道，但又找不到清晰的学习路径、学习时间成本奇高。市面上的课程普遍非常的贵，动辄过万，“真传一句话，假传万卷书”，贵不代表是真知，试错成本极大。另外，市面上现在很多0元体验课，增加了你的判断成本，也套路了彼此，直接亲自问问学过的学长学姐们，问问教研老师，看看口碑是否过硬，他不香嘛？

深蓝学院推出的『2021 深度学习：从理论到实践』课程，立志带你系统的入门深度学习。只学一门课，不再走弯路，中科院博士团队名师亲自指路。正是应了那句“众里寻她千百度，蓦然回首，那人却在灯火阑珊处。“

课程性价比高，价格不足动辄过万的市面价格二十分之一，现在报名，还有50优惠，每节课算下来，还不到15元。

课程从基础的数学模型以及算法实现出发，详细讲解CNN、 RNN、 LSTM等常见的深度神经网络模型，以及在计算机视觉、自然语言处理等领域经典任务中的应用，理论脉路清晰、五大代码实践项目。（详细课程大纲见下文）

选择深蓝『育心』老师，离学霸更近一些。

备注：CNN,优先通过～

本课程适合谁

1、大学生

理工科相关专业的本科/硕士/博士生，毕业后想从事深度学习的人；
希望能够深入深度学习领域，为科研或者出国做准备；
希望系统学习和入门深度学习的知识。

2、在职人士

目前从事IT相关工作，今后想做跟深度学习相关的项目；
目前从事深度学习领域工作，加深对深度学习领域的理解；
希望掌握深度学习前沿技术。

课程大纲

课程讲师

元春

中科院博士算法工程师

博士毕业于中科院大数据挖掘与知识管理重点实验室，主要研究方向为机器学习、自然语言处理。

在国际会议与期刊中发表多篇论文，研究课题包括文本多语境表示学习和文本情感分析算法研究，以及利用文本情感分析方法与动态情感复杂网络对股市的研究。

曾与考拉征信、春雨医生、北京大学大数据研究院进行项目合作，先后在华为诺亚实验室和微软亚洲研究院实习。

洪振

中科院博士高级研究员

博士毕业于中科院自动化所模式识别国家重点实验室，主要研究领域包括深度学习、目标识别、语义分割、OCR等。

曾获2016RAC目标识别亚军，17年ISPR 2D图像分割冠军，发表论文近10篇。

实践项目

本门课程采用理论与实践相结合，包括五个实践！（详情建议咨询课程老师～）

实践项目1 ：目标检测

目标检测任务需要从背景中分离出感兴趣的目标，并确定这一目标的描述(类别和位置)，是从图像分类过渡来的任务，目标检测的应用主要包括人脸检测、安防监控、交通疏导等。本次实践主要讲解基于CNN的目标检测的开山鼻祖:Faster RCNN。会从思想来源(分类任务到检测的过渡)、网络搭建和网络预测三个方面展开，熟悉目标检测的基础框架。

实践项目2：图像分类

本实践所用数据集为1000类的ImageNet数据集，共计120张样本。会从模型搭建、模型训练和网络预测三个方面进行展开，熟悉整个图像分类框架。

实践项目3：手写数字识别

本章节通过两个典型的回归与分类问题，可以初步了解到神经网络的能力，通过从头到尾手写代码完成训练，也能了解神经网络大概的工作步骤，为后续章节中PyTorch的学习积累经验。

实践项目4：文本分类

本次实践利用标注好的旅游文本情感数据，利用课程讲解的卷积神经网络与循环神经网络，或是两者的搭配来创建一个文本情感分类模型，从而训练出一个实际可用的分类模型，以此来支撑实际的业务需要。

实践项目5：房价预测

房价预测是一个典型的回归预测问题，经常被当作机器学习算法的入门应用。基于神经网络的房价预测是利用全神经网络的强大拟合能力来拟合一个回归函数。本实践所用数据集为波士顿地区的13个房产特征与对应的房价，通过训练一个神经网络模型可以预测波士顿地区的房价。

学后收获

1.充分理解相比于经典的神经网络，深度神经网络强大的表示学习能力；

2. 掌握经典的深度神经网络模型（CNN, RNN, LSTM）思想原理；

3.学会使用深度学习解决实际任务，及解决任务的整体流程；

4. 熟悉当下主流的深度学习框架Pytorch，并通过该框架做CV及NLP领域的实践。

还能收获什么？

1. 优质的学术圈子

伙伴们大多是来自985、211及海外院校硕博，在这里大家一起学习、进行讨论与研究。独一无二的优质圈子将是你未来学习与就业的宝贵资源。

2. 企业认可的证书

学完课程后将有机会收获优秀学员证书、毕业证书，为你的简历加分添彩。

课程服务

1. 三师助力

讲师&助教及时答疑解惑，班主任全程带班督学，帮你克服拖延，不断进步。

2. 定期班会

助教会对作业进行1V1讲评和指导；在班会中，学习更多技巧；在交流中收获更多思路。

抢占优惠名额

现在报名，还能优惠50元

剩余10个名额

添加时，备注“CNN”，优先通过~

选择深蓝『育心』老师，不走弯路~