内容介绍：
01.预备内容（入门）
      01.【视频】你的入门学习指南.mp4
      02.【图文】入行AI为什么系统学习数学知识的最终放弃―7个建议.pdf
      03.【图文】入行人工智能为什么不需要系统学习python知识.pdf9
      04.【图文】为什么从深度学习入行人工智能最快.pdf
      05.【视频】深度学习概论.mp4
      06.【视频】代码版本控制和托管平台GitHub简介(1).mp4
      06.【视频】代码版本控制和托管平台GitHub简介.mp4
      07.【图文】深度学习环境安装和配置.pdf

02.Python基础（入门）
    01.【图文】Python环境安装.pdf
    02.【视频】Python基础.mp4
    03.【代码】详解Python及代码下载（见附件）.pdf
    资料

03.PyTorch基础（入门）
    01.【图文】PyTorch简介.pdf
    02.【视频】PyTorch基础1-简介及Tensor.mp4
    03.【视频】PyTorch基础2-Variable和自动求导.mp4
    04.【代码】Tensor和Variable代码详解及下载（见附件）.pdf
    05.【代码】自动求导代码详解及下载（见附件）.pdf
    06.【代码】动态图代码详解及下载（见附件）.pdf
    资料

04.神经网络（进阶）
    01.【视频】神经网络1-线性模型、梯度下降及框架实现.mp4
    02.【图文】线性模型和梯度下降.pdf
    03.【代码】线性模型和梯度下降代码详解及下载（见附件）.pdf
    04.【视频】神经网络2-Logistic回归.mp4
    05.【图文】Logistic回归.pdf
    06.【代码】logistic回归代码详解及下载（见附件）.pdf
    07.【视频】神经网络3-多层神经网络.mp4
    08.【图文】多层神经网络.pdf
    09.【代码】多层神经网络代码详解及下载（见附件）.pdf
    10.【视频】神经网络4-多分类问题及深层神经网络.mp4
    11.【图文】多分类问题及深层神经网络.pdf
    12.【代码】深层神经网络代码详解及下载（见资料）.pdf
    13.【视频】神经网络5-反向传播算法.mp4
    14.【图文】反向传播算法.pdf
    15.【图文】优化算法介绍.pdf
    16.【图文】优化算法变式.pdf
    17.【代码】参数初始化代码详解及下载（见附件）.pdf
    18.【代码】优化算法1-梯度下降法代码详解（下载见附件）.pdf
    19.【代码】优化算法2-动量法代码详解（下载见附件）.pdf
    20.【代码】优化算法3-Adagrad代码详解（下载见附件）.pdf
    21.【代码】优化算法4-RMSProp代码详解（下载见附件）.pdf
    22.【代码】优化算法5-Adadelta代码详解（下载见附件）.pdf
    23.【代码】优化算法6-Adam代码详解（下载见附件）.pdf
    24.【实战项目1】使用神经网络预测房价（数据集附件下载）.pdf
    资料
         
05.卷积神经网络（进阶）
    01.【视频】卷积神经网络1-背景及应用.mp4
    02.【视频】卷积神经网络2-卷积神经网络基础.mp4
    03.【视频】卷积神经网络3-Pytorch实现.mp4
    04.【图文】卷积神经网络.pdf
    05.【代码】卷积和池化的框架实现代码详解（下载见附件）.pdf
    06.【图文】数据预处理与批标准化.pdf
    07.【图文】经典卷积神经网络.pdf
    08.【视频】经典卷积神经网络-AlexNet.mp4
    09.【代码】AlexNet代码详解（下载见附件）.pdf
    10.【视频】经典卷积神经网络-VGG.mp4
    11.【代码】VGG代码详解（下载见附件）.pdf
    12.【视频】经典卷积神经网络-GoogleNet.mp4
    13.【代码】GoogLeNet代码详解（下载见附件）.pdf
    14.【视频】经典卷积神经网络-ResNet.mp4
    15.【代码】ResNet代码详解（下载见附件）.pdf
    16.【视频】经典卷积神经网络-DenseNet.mp4
    17.【代码】DenseNet代码详解（下载见附件）.pdf
    18.【视频】卷积神经网络-训练技巧.mp4
    19.【图文】训练卷积神经网络.pdf
    20.【代码】数据增强代码详解（下载见附件）.pdf
    21.【代码】数据读取代码详解（下载见附件）.pdf
    22.【代码】微调进行迁移学习代码详解（下载见附件）.pdf
    23.【代码】学习率下降代码详解（下载见附件）.pdf
    24.【代码】批标准化代码详解（下载见附件）.pdf
    25.【代码】正则化代码详解（下载见附件）.pdf
    26.【代码】Tensorboard代码详解（下载见附件）.pdf
    27.【实战项目2】驾驶员状态监测（数据集见附件）.pdf
    资料
         
06.循环神经网络（进阶）
    01.【视频】循环神经网络1-循环神经网络基础.mp4
    02.【图文&代码】循环神经网络基础（代码详解及下载见附件）.pdf
    03.【视频】循环神经网络2-循环神经网络的应用.mp4
    04.【图文&代码】循环神经网络应用（代码详解及下载见附件）.pdf
    05.【代码】RNN PyTorch实现代码详解（下载见附件）.pdf
    06.【代码】RNN图像分类的应用代码详解（下载见附件）.pdf
    07.【代码】RNN时间序列应用代码详解（下载见附件）.pdf
    08.【代码】RNN词嵌入代码详解（下载见附件）.pdf
    09.【代码】RNN N-Gram代码详解（下载见附件）.pdf
    10.【代码】RNN LSTM代码详解（下载见附件）.pdf
    11.【实战项目3】通过RNN创作古诗（数据集见附件）.pdf
    资料
      
07.生成对抗网络GAN（进阶）
    01.【视频】生成对抗网络1-自动编码器.mp4
    02.【视频】生成对抗网络2-变分自动编码器.mp4
    03.【视频】生成对抗网络3-生成对抗网络.mp4
    04.【图文】生成对抗网络.pdf
    05.【代码】自动编码器代码详解（下载见附件）.pdf
    06.【代码】变分自动编码器代码详解（下载见附件）.pdf
    07.【代码】生成对抗网络代码详解（下载见附件）.pdf
    08.【实战项目4】生成对抗网络生成人脸（数据集见附件）.pdf
    资料

08.强化学习（进阶）
    01.【视频】强化学习.mp4
    02.【图文】强化学习.pdf
    03.【代码】q Learning代码详解及下载（附件）.pdf
    04.【代码】深度Q网络代码详解及下载（附件）.pdf
    资料

09.毕业项目
    01.【实战项目5】毕业项目.pdf

百度网盘下载地址：