先判断：这门深度学习集训营值不值得学

很多上班族和转行者想学深度学习，但一上来就被复杂的数学推导和庞杂的框架吓退，或者跟着视频敲完代码却不知道怎么用到实际工作中。这门集训营解决的核心问题就是“理论与工程脱节”。它不追求覆盖所有前沿学术热点，而是聚焦三大核心模型——DNN、CNN和RNN，带你从神经网络基础原理起步，直接打通到计算机视觉、自然语言处理以及数据科学比赛的真实落地场景。如果你正苦恼于如何把模型跑通并解决具体的分类或预测任务，这套资料提供了一个务实的切入点，而不是空谈概念。

看资料：适合什么基础与怎么配合练习

这套资料适合有一定Python编程基础、能看懂基本数据处理逻辑的初学者，不需要你提前啃完厚重的微积分教材。建议先从预习阶段的深度学习基础和三大核心模型入手，把DNN、CNN与RNN的底层逻辑理清，不要跳过。进入第一阶段后，重点跟着基于TensorFlow和Keras的在线实训走。练习时，不要只停留在看视频，必须同步配置本地环境或使用云端Notebook，把课程里的分类任务和房价预测任务自己敲一遍。遇到知识蒸馏这类进阶内容，先弄懂它为什么能压缩模型，再动手跑通代码，资料里的代码片段是用来验证你理解程度的工具，不是用来背诵的模板。

落地：学完能独立做什么

走完这套流程后，你不会立刻成为算法科学家，但能独立完成几项具体的工程任务。首先，你能用Keras或TensorFlow从零搭建并训练一个卷积神经网络，解决图像分类问题，并且知道怎么把模型提交到Kaggle这样的数据比赛平台去验证真实成绩。其次，面对传统的结构化数据业务，比如房价预测，你能用Wide & Deep等网络结构去处理特征交叉，给出比传统机器学习更优的预测方案。最后，在自然语言处理方向，你能理解RNN、LSTM以及Attention机制的工作原理，搭建简单的条件生成模型。这些能力足以支撑你完成企业里基础的算法工程开发，把业务数据转化为可运行的模型推理应用。


预习阶段 从DL基础起步，掌握三大核心模型第一阶段 从数据科学比赛里看深度学习应用第二阶段 深度学习在计算机视觉中的应用第三阶段 深度学习在自然语言处理中的应用

课程目录

*   预习阶段 从DL基础起步，掌握三大核心模型/

  *   在线视频：DNN与CNN，及NN框架

  *   在线视频：RNN、LSTM、与条件生成、attention

*   第一阶段 从数据科学比赛里看深度学习应用/

  *   在线实训：基于tensorflow/keras实现分类任务

  *   在线视频：深度卷积神经网络原理与实践

  *   在线实训：参加Kaggle图像分类比赛并提交结果

  *   在线实训：基于tensorflow/keras实现知识蒸馏模型

  *   在线实训：基于TensorFlow的CNN/RNN网络构建训练集推理应用

  *   线下实战：从DNN/Wide/Wide&Deep解决房价预测问题

  *   在线视频：深入理解神经网络原理

  *   在线视频：神经网络压缩技术：工业界业务上线/部署的大杀器！

  *   在线视频：深入理解CNN、RNN和LSTM

*   第二阶段 深度学习在计算机视觉中的应用/

  *   在线实训：MS-COCO物体检测by Faster RCNN

  *   在线实训：MS-COCO物体检测by YOLO-V3

  *   在线实训：行人检测by CSP

  *   线下实战：图像分类与图像检索实战

  *   在线视频：深度学习在物体检测中的应用（上）

  *   在线视频：深度学习在物体检测中的应用（中）

  *   在线视频：深度学习在物体检测中的应用（下）

*   第三阶段 深度学习在自然语言处理中的应用/

  *   在线实训：基于维基百科语料库自己动手训练word2vec模型

  *   在线实训：百行代码用CNN/LSTM实现文本分类

  *   线下实战：文本语义相似度匹配模型以及Seq2Seq模型构建

  *   在线视频：文本预处理，词袋模型，word2vec，语言模型

  *   在线视频：CNN/LSTM 文本分类

  *   在线视频：图像生成文本(Image2text)

*   第四阶段 高级深度学习应用场景/

  *   在线实训：实战BERT模型与fine tuning

  *   在线实训：Step by Step实现DCGAN

  *   上午线下：基于深度学习的聊天机器人，看图说话与VQA

  *   下午线下：智慧城市中的核心技术：大规模车辆图片搜索（Re-ID）算法原理及实践

  *   在线视频：当下最好的语言模型BERT介绍

  *   在线视频：生成式对抗网络（GAN）

  *   在线视频：深度学习在推荐系统里的应用场景

*   第五阶段 深度学习模型优化及实践技巧/

  *   在线实训：从特征抽取到索引构建——自己动手实现实现一个文本分类系统

  *   在线实训：基于CoCo数据集上实现物体检测分类模型Faster-RCNN

  *   上午线下：NLP与CV数据科学比赛案例详解与实践

  *   下午线下：深度学习模型优化前瞻技术 以及实践技巧

  *   在线视频：NLP应用之文本分类系统

  *   在线视频：CV方向专项项目

  *   在线视频：推荐应用之电商平台的商品推荐