本內容比較適合零基礎但對人工智慧技術與人工智慧程式開發感興趣，想從事人工智慧相關工作或需要在本職工作中加入人工智慧技術的在職人員或在校學生。
以python為主要開發語言，深入淺出快速上手最先進的深度學習技術。
收穫：能夠使用程式開發技能完成諸如計算機視覺、自然語言處理等人工智慧任務，例如影象識別、智慧型翻譯等，亦能夠使用本課程中提供的工具在自己所處行業中，進行具體人工智慧技術的設計與實施，使用深度學習技術進行行業資料分析。
本內容會提供基礎的數學部分與python程式設計部分的講解，每一章都包含豐富的例項與專案，讓您完全理解掌握人工智慧與深度學習的相關知識與技能。
chapter 1. 基礎知識
包含線性代數、概率與數理統計、微積分等深度學習基礎數學知識，也涵蓋了本課程中能夠使用的python程式設計知識，通過實戰編寫乙個數學遊戲例項，為之後的學習打下良好的基礎。
chapter 2. 神經網路
包含從mcp模型到多層感知器的歷史發展，詳細講解神經網路的前饋與反饋計算的數學推導與實際專案，例項中包含使用tensorflow等深度學習系統編寫神經網路的方法，並完成資料分析實戰。
chapter 3. 卷積網路
從最基本的卷積演算法開始，逐步深入到深層卷積網路，詳細講解卷積網路的特徵提取方法，並講解如何在非影象資料上實施卷積網路進行資料分析，讓您能在任何行業尋找合適資料並應用卷積網路。
chapter 4. 序列網路
本章將包含處理自然語言等時序資料常用的rnn模型與lstm技術， 以及序列建模、詞向量對映等各種自然語言處理技術，豐富的例項將會包含翻譯、對話、文字生成等，並讓您實踐如何使用時序建模技術進行資料**。
參考：零基礎深度學習
零基礎如何入門深度學習？
關於深度學習，網上的資料很多，不過貌似大部分都不太適合初學者。這裡有幾個原因 1.深度學習確實需要一定的數學基礎。如果不用深入淺出地方法講，有些讀者就會有畏難的情緒，因而容易過早地放棄。2.中國人或美國人寫的書籍或文章，普遍比較難一些。我不太清楚為什麼，不過確實是這樣子的。深度學習，確實需要一定的數...
零基礎學習OpenGL（三） 深度測試
深度緩衝 在每個片段中儲存了資訊，以16 24 32位float的形式儲存它的深度值。片段著色器執行之後，在螢幕空間中執行。當深度測試啟用，opengl會將乙個片段的深度值和深度緩衝的內容相比，如果測試通過，深度緩衝將更新為新的深度值 如果測試失敗，片段丟棄。啟用深度測試 glenable gl d...
深度學習零基礎高階第四彈
開放性文字的語 析主要是通過推斷相應的含義 meaning representation,mr 以理解在自然語言中的任意宣告。但可惜的是，目前的大規模系統由於缺少直接的可監督資料，並不能實現深度學習。而在 joint learning of words and meaning representat...