内容安排

• 深度学习基础：线性神经网络、多层感知机
• 卷积神经网络：LeNet、AlexNet、VGG、Inception、ResNet
• 循环神经网络：RNN、GRU、LSTM、seq2seq
• 注意力机制：Attention、Transformer
• 优化算法：SGD、Momtentum、Adam
• 高性能计算：并行、多GPU、分布式
• 计算机视觉：目标检测、语义分割
• 自然语言处理：词嵌入、BERT

what how why
深度学习里有哪些技术 如何调参和实现 直觉和数学原理

深度学习介绍

应用领域：图片分类、目标检测、样式迁移、人脸合成图片、文字生成图片、文字自动生成、无人驾驶

完整的故事：