值不值得学：先搞清楚你要解决什么问题

这套资料的主题是深度学习基础。它解决的核心场景不是让你立刻去搞大模型，而是带你从零理解神经网络到底在干什么，以及怎么用现成框架把一个能跑的模型搭出来。如果你日常工作里需要处理图像分类、文本归类、或者像多因子选股这种结构化数据的预测，又不想永远当调包侠，这门课能把中间的黑盒拆开给你看。它不讲玄学，直接从梯度下降怎么求最小值、反向传播怎么更新权重这些底层逻辑切入，再落到 keras 和 pytorch 两种框架的实操上。对转行做算法或者数据建模的人来说，这个切入顺序很务实。

适合什么基础，建议先看哪几块

这套资料不适合完全没写过代码的人。你需要有 python 基础，最好能看懂基本的矩阵运算，不然到反向传播那一段会卡住。建议的观看顺序是：先看第一部分的深度学习介绍和常用概念，把损失函数、激活函数、过拟合这些词混个眼熟；然后直接跳到全连接神经网络那节，重点看手写数字识别的 keras 和 pytorch 实现。手写数字识别是经典的入门案例，数据集小、跑起来快，你能直观看到从数据加载到模型训练的完整链路。数学基础弱的人，不要一上来就死磕梯度下降的推导，先跟着视频把模型跑通，再回头补数学，这样挫败感会小很多。

学完能做什么，资料怎么配合练习

学完这套资料，你能独立做两件事：一是用全连接网络处理表格类数据的预测任务，比如课程里演示的多因子选股模型；二是用卷积神经网络做基础的图像识别。但只看视频是不够的，这套资料必须配合动手练。具体的做法是：每看完一个框架的实操视频，立刻自己新建一个 notebook，把视频里的代码手敲一遍，不要复制粘贴。敲的过程中故意改几个参数，比如把学习率调大或者调小，看看损失曲线怎么变。卷积神经网络那部分也是同理，重点理解卷积核在干什么，而不是只记住调用顺序。资料里 keras 和 pytorch 都讲了，建议你挑一个框架深入，不要两个都半懂不懂。如果你之前用过 tensorflow，就跟着 keras 走；如果想往研究方向靠，就主练 pytorch。把一个框架的流程吃透，比两个都浮在表面有用得多。


理解深度学习的数学基础,掌握使用梯度下降算法求解函数最小值。理解神经网络的基本原理,掌握反向转播算法

课程目录

*   01 深度学习介绍/

  *   01 人工神经网络介绍.mp4 48:23

  *   02 深度学习中的常用概念.mp4 32:59

*   02 全连接神经网络基础/

  *   01 全连接神经网络介绍.mp4 10:40

  *   02 全连接神经网络-手写数字识别-keras框架.mp4 09:01

  *   03 全连接神经网络-手写数字识别-pytorch框架.mp4 25:32

  *   04 全连接神经网络-多因子选股模型-keras框架.mp4 17:11

  *   05 全连接神经网络-多因子选股模型-pytorch框架.mp4 03:08

*   03 卷积神经网络基础/

  *   01 卷积神经网络介绍.mp4 20:37

  *   02 卷积神经网络-手写数字识别-keras框架.mp4 04:12

  *   03 卷积神经网络-手写数字识别-pytorch框架.mp4 02:15

  *   04 2.3.4.卷积神经网络-多因子选股模型-keras框架.mp4 03:33

  *   05 2.3.5.卷积神经网络-多因子选股模型-pytorch框架.mp4 02:16

*   04 循环神经网络基础/

  *   01 循环神经网络介绍-RNN模型.mp4 23:43

  *   02 循环神经网络介绍-LSTM模型.mp4 16:02

  *   03 循环神经网络-手写数字识别-keras框架.mp4 04:37

  *   04 循环神经网络-手写数字识别-pytorch框架.mp4 02:34

  *   05 循环神经网络-时序选股模型-keras框架.mp4 04:54

  *   06 循环神经网络-时序选股模型-pytorch框架.mp4 05:25

*   05 神经网络速度优化与参数调优/

  *   01 神经网络速度调参.mp4 15:17

  *   02 keras框架调参-keras tuner.mp4 25:30

  *   03 pytorch框架调参-Ray tune.mp4 17:52

*   06 Keras框架详解/

  *   01 Keras API详解上.mp4 19:20

  *   02 Keras API详解下.mp4 40:26

*   07 Pytorch框架详解/

  *   01 Pytorch API详解上.mp4 08:41

  *   02 Pytorch API详解中.mp4 10:38

  *   03 Pytorch API详解下.mp4 15:16

*   08 神经网络案例/

  *   01 案例1-泰坦尼克.mp4 23:23

  *   02 案例2-CNNFashionMNIST.mp4 21:13

  *   03 案例3-LSTM模型预测股票.mp4 16:27

  *   04 案例4-智能行业研究实践案例.mp4 04:48