真的！最难啃的《深度学习》圣经花书，居然新出版了视频课！
【翻到文末免费学习《机器学习实战》，还能让你看尽CV和NLP完整技术路径以及前沿+经典论文篇目，助你构建深度学习知识框架】
在AI领域内，关于深度学习的课程资料有很多很多，而《深度学习Deep Learning》是由麻省理工学院推出的，一经出版就风靡全球，因为本书的封面是由艺术家Daniel Ambrosi提供的中央公园杜鹃花步道梦幻景观，所以被誉为“花书”
相信大家对这本书一定很熟悉，因为它简明扼要的概括了深度学习中大部分重要主题，每当遇到深度学习概念时，都可以在书中找到参考，故被广大学员们誉为深度学习中的“圣经”教材
自发售以来，长期位居美国亚马逊AI和机器学习类图书榜首，是业界公认深度学习领域奠基性的经典教材，曾受特斯拉CEO埃隆·马斯克等众多国内外专家重磅推荐。
本书的三位作者 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 一直耕耘于机器学习领域的前沿，在业内也具有非常大的知名度，引领了深度学习的发展潮流。
对AI学习者来说，《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。
花书的内容包括3个部分：
第1部分：介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；
第2部分：系统深入地讲解现今已成熟的深度学习方法和技术；
第3部分：讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。
我相信，这本深度学习领域内的权威教材，你肯定对它很熟悉。但你读过它吗？是不是放在家里某个角落正在积灰呢？
你总说：这本书太厚了，500多页， 知识量太多，不知哪些是重点，全部看完耗时耗力
这本书也太难了，啃不动，也没有人一起分享讨论
你抱怨：太理论了，全是公式，没有代码，没有作业，无法加深理解
其实真想的学好一门技术，最好还是要啃砖头，这种方式是最笨，但是却是最扎实的
为了帮助大家更好的理解这本书，我们耗时五个多月，联合六位经验丰富的导师，全新迭代升级增加了花书系统视频课讲解，推出了我们第三期的
花书的整本学习内容划分3个梯度，第1部分是深度学习中需要应用的数学知识，第2部分则针对现代深度学习常用技术，从最简单的多层感知机，到适用于图像处理的卷积神经网络，到解决序列问题的循环神经网络，到正则化技术和优化方法，以及实践的技术由浅及深
针对这本书中同学们不懂的问题，我们不仅给大家提供了花书系统视频课,导师还结合书籍内容，加入了企业项目中应用的技巧和项目经验
一本花书，500多页，全部啃下来非常的难，因此我们进行了重新的梳理，并进行了顺序重组，精心安排了每天详细的教学计划和任务，从2个月进行整体规划，每日任务布置+打卡监督+每阶段作业批改点评讲解
▲往期训练营任务布置示意
不仅如此，我们在这本书系统完善理论知识的基础上还加入了代码补充和作业讲解以及论文带读讲解！让你理论+实战同时得到训练
Week1
>>花书第一章——第四章(掌握数学基础)
【视频课】矩阵的对角化分解，以及一般矩阵的svd分解，以及应用
【视频课】PCA算法推导
【视频课】逆矩阵以及伪逆举证，线性回归，最小二乘估计，最小范数估计
【视频课】极大似然估计，误差的高斯分布与最小二乘估计的等价性
【视频课】最优化，无约束，有约束，拉格朗日乘子的意义，kkt松弛条件
作业：
【代码】参考Notebook，温习线性代数
【总结】列出花书前四章必须要掌握的十个知识点，附带上自己的学习心得【思考题】一元线性回归的基本假设有哪些？
Week2
>>花书5.1-5.4，花书5.5-5.7.1
【视频课】机器学习算法基本概念，
【视频课】回归与分类任务，欠拟合过拟合，模型选取交叉验证
【视频课】极大似然估计，贝叶斯估计
作业：
【拓展】了解bias-variance tradeoff
【习题】根据图示判断算法建模情况
【推导】通过梯度下降算法最小化负对数似然求解逻辑回归
【思考题】交叉验证的基本流程是什么？最大似然估计与贝叶斯估计的区别有哪些？
Week3
>>花书5.7.2-5.7.3章
【视频课】监督学习:逻辑回归，SVM,LDA，决策树
【视频课】非监督学习:PCA,kmeans
【视频课】梯度下降，随机梯度下降
作业：
【推导】硬间隔支持向量机推导
【思考题】举几个例子说明不同聚类方法的应用场景。
【习题】比较随机梯度下降与批梯度下降
Week4
>>花书第6章
【视频课】前馈神经网络的基本概念，XOR
【视频课】基于梯度的学习，代价函数(MSE,CE)，以及输出单元，求导
【视频课】神经网络的隐层，各种非线性变换，以及求导
【视频课】前向传播与反向传播算法，以及参数更新
作业：
【思考题】为什么在神经网络中加入非线性是必须的？
【推导】完成softmax输出单元cross-entropy损失函数的梯度推导。
【习题】写出下列每个激活函数的表达式及其导数
【实战】完成⼀个反向传播实例
Week5
>>花书第7、8章
视频课(第七章)：
1.参数正则化
2.数据集增强，噪声鲁棒性
3.半监督，多任务
4.提前终止，参数共享，稀疏矩阵
5.dropout
6.数据增强，simu
7.bagging
视频课(第八章)：
1.局部极小，病态，梯度悬崖，梯度爆炸与消失
2.moment & NAG
3.自适应学习率，adagrad,adam
4.二阶方法，牛顿，拟牛顿，共轭梯度
5.batch norm
6.监督预训练
作业：
【习题】⽤公式说明为何L2正则化⼜常被称作“weight decay”
【思考题】为什么在神经⽹络中，dropout可以起到正则化的作⽤？
【思考题】什么时候适合⽤Adam？RMSProp？SGD?
Week6
>>花书第9章
【视频课】卷积神经网络
【视频课】局部感知权值共享
经典论文带读
【视频课】CNN用于句分类--第一篇真正意义上的神经网络用于文本分类之作 《Convolutional Neural Networks for Sentence Classification》论文讲解
【视频课】ResNet网络结构《Deep Residual Learning for Image Recognition》论文讲解
作业：
【思考题】卷积操作的本质特性包括稀疏交互和参数共享，具体解释这两种特性及其作用。
【思考题】关于最大池化层，选出给出的选择正确项。
【习题】完成卷积神经网络的经典习题
Week7- Week8
>>花书第10章
【视频课】具有时序性的任务,时间依赖性
【视频课】RNN与双向RNN的结构，前向与反向算法,梯度爆炸与梯度消失
【视频课】LSTM与biLSTM的结构，前向与反向算法
【视频课】GRU与biGRU的结构，前向与反向算法
【视频课】讲解和分享实际案例
作业：
【作图】画出图10.13c的展开图
【作图】可以完成给定任务的RNN计算图
【推导】参考博客，了解随时间反向传播在LSTM中的推导
Week9
实际工作中的一些经验以及前沿技术介绍与分享
【视频课】多GPU并行计算
【视频课】模型的压缩与加速
【视频课】知识蒸馏
作业：
【总结】观看深度学习最新进展视频，总结几条你认为深度学习最有潜力的发展方向
【期末复盘】复盘所学到的知识，构建自己的机器学习和深度学习知识框架
1：赠送价值1198元知识星球为期一年1对1导师咨询服务，12小时之内保证解决问题（Paperweekly粉丝专属）
2：每月统一收集问题直播答疑，系统讲解重难点
3：微信学习群助教及时互动，群友互答
和一批优秀的985、211学员一起学习，每周头脑风暴！
△可上下滑动，查看往期学员互动详情
免费提供部署好环境的GPU云端资源教程
学AI，顶级书本+权威导师，你就相当于成功了一半，而我们经验丰富的导师团带学
对于优秀作业我们将置顶，助教将进行点评和批改
△可上下滑动，查看往期学员部分打卡详情
看到同学们这么认真的在做学习笔记，也是满满的成就感
睁开眼，阳光和你都在
△可上下滑动，查看往期学员部分作业完成详情
学员给我们的好评
我们的模式在往期训练营里中备受好评！
而我们，还在不断的更新迭代
睁开眼，阳光和你都在～
△可上下滑动，查看往期学员部分评价详情
学员福利
为了鼓励学员，我们一直坚持对于优秀的学生发放奖金
按学习任务要求完成全勤打卡，我们将赠送你如下福利！！
事实证明，往期训练营结束后，每一期坚持完成全勤打卡的人，都拿回了报名时他所付的金额
学完有效果吗？事实证明，有不少学生通过学习转行，都已经顺利拿到自己心仪的offer。
我们的学员凡是参与过一期的人，都不断的在参与我们其他的主题，他们说“太值了”！你却还在观望？
等到他们进入你也能进的公司，你准备何去何从？
不参与竞争，就只能等待淘汰。你不参与，别人会参与。
省下一顿海底捞火锅
你就能收获，最权威的《深度学习》理论系统
最顶尖的书本内容
你甚至可以在简历吹X
天呐！我啃完了整本《深度学习》！
时间永远是挤出来的，我们帮你安排
你要做的只是按部就班的学习
理论知识+实战能力
还能结识一群名校志同道合的伙伴！
-长按以下二维码速速报名-
每增加50人，学费增加10元
报名时间：2019.9.17-2019.9.27
（过时将无法参与！）
若无法扫码，请点击阅读原文链接
2个月一晃而过，不如来学习！
我相信，结束以后，你会感谢现在的自己
添加班主任微信进学员内部群
开启你的升级之旅
备注：报名成功后，请及时添加班主任微信，如有任何问题，也请添加班主任微信咨询。
重磅推出深度之眼VIP
一年畅学18大主题训练营，从小白入门到进阶大神的最佳学习方式
订阅须知
Q、课程资料在哪里看
A、所有的课程资料均会在深度之眼公众号内上传。
Q、报名后可以退款吗？
A、本服务为虚拟内容产品，一经购买，概不退款，敬请谅解。
Q、可以开具发票吗？
A、可以开具普通发票，请联系微信班主任填写需要的信息即可。
名企合作
截止目前，我们已经和多家国内知名在线教育平台和比赛机构建立了合作关系，只为给大家提供最优质的学习服务：
深度之眼首创训练营模式，在不到两年时间已有1.8万名付费学员，我们长期招募兼职讲师，以在线工作为主，分成收入佳
只要您在一下方面有某一专长：
1、对数据分析、数据挖掘方向有擅长，可带数据科学相关班
2、有多年Python开发经验，对web/爬虫/运维/数据分析/云计算/大数据其中一个领域熟悉，可申请做Python课程导师
3、精读过《深度学习》花书、李航《统计学习方法》、《机器学习》西瓜书、等AI类知名书籍，可以开设以此书籍为教材的带读班
4、系统学过李宏毅的《机器学习》《深度学习》、李飞飞《计算机视觉课》、或是国外名校的知名公开课，可以开设以此课程为教材的带学班
5、 打过Kaggle、天池、AI challenger、科赛网、DC等竞赛，并取得过前5的成绩，可带竞赛班
6、如果你自己曾经读过AI类的经典或者前沿论文，并且对论文做过深入的分析和研究，可作为我们的paper精读班老师
7、如果你在企业里面，有参加过实际的企业项目，可以作为我们AI企业项目实战班
我们不需要你全能，只要你在某一个方面特别擅长，即可担任我们的带学导师
(了解薪资报酬，可以进入【深度之眼】公众号回复关键词【讲师】）
招募分享达人
如果你热爱分享技术、学习经验、心得、我们为你搭建平台,帮你打造个人影响力!
欢迎大家扫客服微信联系我们！
同时欢迎HR联系我们探讨内推、实习等合作！
