1、培訓(xùn)過(guò)程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽(tīng)；
        2、培訓(xùn)結(jié)束后,授課老師留給學(xué)員聯(lián)系方式,保障培訓(xùn)效果,免費(fèi)提供課后技術(shù)支持。
        3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。

第1章課程介紹
1-1本課程介紹
第2章神經(jīng)網(wǎng)絡(luò)理論
2-1神經(jīng)元、多層感知器和人工智能
2-2理論分析：梯度下降算法
2-3理論分析：反向傳播算法
第3章用Python探索多層感知器
3-1思路分析：如何利用Python實(shí)現(xiàn)多層感知器？
3-2Anaconda環(huán)境搭建、數(shù)據(jù)準(zhǔn)備
3-3代碼實(shí)踐：MLP的前向傳播
3-4代碼實(shí)踐：MLP的反向傳播
3-5代碼實(shí)踐：梯度檢驗(yàn)
3-6代碼實(shí)踐：探索各種激活函數(shù)
3-7代碼實(shí)踐：探索各種權(quán)重初始化
3-8代碼實(shí)踐：探索各種優(yōu)化算法
3-9理論分析：BatchNormalization
3-10代碼實(shí)踐：BatchNormalization
第4章CNN理論
4-1理論分析：CNN的前向傳播
4-2理論分析：CNN的反向傳播
第5章親自動(dòng)手寫(xiě)一個(gè)深度學(xué)習(xí)框架
5-1深度學(xué)習(xí)框架Caffe基礎(chǔ)入門(mén)
5-2思路分析：如何設(shè)計(jì)自己的框架？
5-3環(huán)境準(zhǔn)備：Json、Armadillo、protobuf
5-4代碼實(shí)踐：利用json定義網(wǎng)絡(luò)結(jié)構(gòu)
5-5代碼實(shí)踐：設(shè)計(jì)內(nèi)部數(shù)據(jù)結(jié)構(gòu)——Blob
5-6代碼實(shí)踐：加載Mnist數(shù)據(jù)集到Blob
5-7代碼實(shí)踐：逐層構(gòu)造數(shù)據(jù)Blob和梯度Blob
5-8代碼實(shí)踐：逐層初始化（上）
5-9代碼實(shí)踐：逐層初始化（下）
5-10代碼實(shí)踐：將Blob切割為mini-batch
5-11代碼實(shí)踐：卷積層的前向傳播
5-12代碼實(shí)踐：激活層、池化層的前向傳播
5-13代碼實(shí)踐：全連接層、損失層的前向傳播
5-14代碼實(shí)踐：損失層、全連接層的反向傳播
5-15代碼實(shí)踐：池化層、激活層的反向傳播
5-16代碼實(shí)踐：卷積層的反向傳播
5-17代碼實(shí)踐：模型參數(shù)優(yōu)化和評(píng)估
5-18添磚加瓦：實(shí)現(xiàn)模型微調(diào)功能（fine-tune）
5-19添磚加瓦：實(shí)現(xiàn)SVM損失層
5-20添磚加瓦：實(shí)現(xiàn)更多的優(yōu)化器
5-21添磚加瓦：實(shí)現(xiàn)對(duì)L2正則化的支持
5-22添磚加瓦：實(shí)現(xiàn)Dropout層
5-23添磚加瓦：實(shí)現(xiàn)BN層和Scale層
5-24添磚加瓦：實(shí)現(xiàn)通用的圖片數(shù)據(jù)接口