上期图文课程推荐：深度学习工程应用快速入门

课程介绍

伴随人工智能时代的到来，深度学习技术也发挥着越来越重要作用，越来越多的技术人才开始投身入这一行业中，并希望发展成为一名深度学习算法工程师。然而，在实际的工程设计中，深度学习研发者总会面临着各种问题与困惑，比如：

• 我们在设计深度网络的时候有什么技巧和原则吗？

• VGG、ResNet 网络如何应用在实际的芯片上？

• BN 层应该放在哪里比较合理？

• 网络越深越好还是越宽越好？

• 训练时如此多的优化方法，一定是 SGD 吗？

• 学习率怎么调比较合适？

• 模型迁移、模型剪枝、模型压缩、模型精剪设计，这些该如何去实践？

• 序列问题中的 RNN 网络，怎样设计才能够确保网络更好、更快的收敛？

• Siamese、Triplet 这样的网络要怎样训练？样本怎么处理、挖掘？

• ……

本达人课，将针对上述问题进行一一分析与解答。主要针对机器学习初学者、深度学习入门者以及其他想从事深度学习相关工作的从业者，内容涉及到深度学习的基本概念，模型原理，不同类别的网络模型，模型设计的基本原则、训练、优化、模型精简等不同方面。另外，本课程还通过实际的网络设计，结合相应的原则来解决分类任务、序列任务等，带领大家深入理解网络设计的基本原则和方法，并锻炼深度学习编程能力和技巧。

本课程共包括22个课时，分为四大部分：

• 第一部分（第01-02课），带你初步认识深度学习以及如何进阶深度学习。

• 第二部分（第03-14课），从工程实践的角度出发，详细介绍深度学习中涉及到的各种各样的概念、原理，重点讲解在工业实战中的使用技巧和原则，帮助大家打好的深度学习工程实战基础。

• 第三部分（第15-20课），从实际工程的角度出发，详细介绍卷积神经网、循环神经网的发展历程、工程设计原则和方法，并带领大家一起设计一个精简的深度网络，并用于目标检测任务。

• 第四部分（第21课），作为课程的最后一部分，我们将对整个课程做总结、回顾与展望。
  

作者介绍

王学宽，曾就职于海康威视研究院担任计算机视觉方向算法工程师，发表多篇学术论文、申请多项国家专利，参与多项图像、自然语言项目相关课题研发工作，在计算机视觉领域具有深厚的专业知识和工程开发经验。运营有公众号：白话机器学习（微信号：simpleml90hou），开设有知乎专栏：《深度学习干货铺》