1、可免費在以后培訓班中重聽；
        2、免費提供課后技術支持，保障培訓效果。
        3、培訓合格學員可享受免費推薦就業機會。

第1章課程介紹
1-1課程內容及特色
第2章深度學習基礎
2-1深度學習發展簡史
2-2神經網絡基本知識
2-3神經網絡訓練：反向傳播算法、計算圖
2-4神經網絡訓練：訓練流程、損失函數、優化目標、梯度下降
2-5神經網絡訓練：梯度下降訓練策略
2-6梯度下降各種優化算法
2-7卷積神經網絡：網絡架構
2-8卷積神經網絡：卷積運算
2-9卷積神經網絡：非線性激活
2-10卷積神經網絡：池化、歸一化、全連接層
2-11LeNet-5
2-12卷積神經網絡實踐技巧：數據增強、數據預處理、批次歸一化
2-13卷積神經網絡實踐技巧：參數初始化、超參數設定、過擬合與避免
2-14卷積神經網絡實踐技巧：網絡正則化方法
2-15實踐篇：開發環境搭建
2-16實踐篇：Keras與Tensorflow框架介紹
2-17實踐篇：項目案例-MNIST手寫數字識別
第3章圖像分類
3-1任務、數據集、網絡模型演進
3-2AlexNet
3-3VGGNet
3-4NiN(Network in Network)
3-5GoogLeNet
3-6BN_Inception
3-7InceptionV2, InceptionV3
3-8InceptionV4,Inception-ResNet
3-9ResNet
3-10ResNeXt
3-11DenseNet
3-12SqueezeNet
3-13Xception
3-14MobileNet1
3-15MobileNetV2
3-16ShuffleNet1
3-17ShuffleNetV2
3-18實踐篇：基于VGGNet的遷移學習實現餐具數據集上的圖像分類
第4章目標檢測
4-1任務、數據集
4-2性能指標
4-3網絡模型演進
4-4R-CNN
4-5SPP-net
4-6Fast R-CNN
4-7Faster R-CNN
4-8R-FCN
4-9YOLOv1
4-10YOLOv2
4-11YOLOv3
4-12SSD
4-13DSSD
4-14RetinaNet
4-15實踐篇：項目案例-使用RetinaNet進行目標檢測
4-16實踐篇：項目案例-使用YOLOv3進行目標檢測
第5章圖像分割
5-1語義分割-任務、數據集、網絡模型演進
5-2語義分割-上采樣方法：去池化、反卷積
5-3語義分割-上采樣方法：膨脹卷積
5-4語義分割-FCN
5-5語義分割-DeconvNet
5-6語義分割-SegNet
5-7語義分割-U-Net
5-8語義分割-DeepLabV1
5-9語義分割-DeepLabV2
5-10語義分割-DeepLabV3_V3plus
5-11語義分割 - RefineNet
5-12語義分割 - PSPNet
5-13語義分割 - GCN
5-14實例分割-Mask R-CNN
5-15全景分割-任務、數據集、評價指標
5-16全景分割-Panoptic FPN
5-17實踐篇：項目案例-使用Mask R-CNN進行實例分割