课程介绍：
大规模的这种模型训练，同时我们需要进行非常严格的这种闭环的验证，也就是说我们的模型训练完之后，我们不能只去看这个训练的结果，我们还需要把它放到真实的环境中去进行一个真实的验证，看它是否能够达到我们预期的效果。
那么在这门课程中，我们会把这两个部分融合在一起，也就是说我们既会讲到一些最前沿的学术研究，也会讲到一些工程化的实践。那么在学术研究部分，我们会讲到一些非常前沿的技术，比如说生成对抗网络、强化学习等等。那么在工程化部分，我们会讲到如何去构建一个大规模的机器学习平台，如何去处理大量的数据等等。那么这些其实都是支撑我上面所讲的做事情的方法论，也就是说我们不仅仅要研究出这个模型，更重要的是我们要把这个模型应用在实践中，让它真正地发挥出它的价值。
那么在接下来的课程中，希望大家能够跟我一起共同进步，共同学习，那么也希望大家能够通过这门课程真正地掌握深度学习的知识，而不只是仅仅停留在理论层面。那么我们下次课程再见！
课程截屏：
课程目录：
第01章课程引导
第1节：开场白.mp4
第2节1-1：课程安排I.mp4
第2节2-2：课程安排II.mp4
第3节1-1：绪论II(1).mp4
第3节2-2：绪论II(2).mp4
第02章神经网络深⼊
第10节【实战】正则化方法.mp4
第11节：模型性能评价.mp4
第12节：【实战】模型性能评价指标.mp4
第13节：深度学习能力边界.mp4
第1节：从优化问题讲起I.mp4
第2节：【实战】拟合问题.mp4
第3节从优化问题讲起II.mp4
第4节：实战：优化方法比较从优化问题讲起II.mp4
第5节：深度神经网络.mp4
第6节：【实战】使用神经网络建模MNIST数据.mp4
第7节：【实战】激活函数与优化方法.mp4
第8节：正则化方法I.mp4
第9节：正则化方法II.mp4
作业.txt
第03章图像分类与目标检测
第三章第10节：【实战】表征学习.mp4
第三章第11节：第二章习题讲解.mp4
第三章第12节：彩蛋.mp4
第三章第1节：卷积的基本概念I.mp4
第三章第1节：卷积的基本概念II.mp4
第三章第1节：卷积的基本概念III.mp4
第三章第2节：2.4实战：异构深度学习环境搭建.mp4
第三章第3节：2.5实战：卷积层的实现.mp4
第三章第4节：2.6典型卷积神经网络.mp4
第三章第5节：2.7实战：简单的卷积神经网络.mp4
第三章第6节：AlexNet模型.mp4
第三章第6节：LeNet模型.mp4
第三章第6节：ResNet模型.mp4
第三章第6节：VGGNet模型.mp4
第三章第7节：【实战】ResNet.mp4
第三章第8节：目标检测.mp4
第三章第9节：【实战】FasterR-CNN.mp4
第三章作业.txt
第04章图像分割
第四章第10节：模型训练流程.mp4
第四章第11节：第三章习题讲解.mp4
第四章第12节：彩蛋.mp4
第四章第1节：图像分割基础.mp4
第四章第2节：【实战】Deconvolution与空洞卷积.mp4
第四章第3节：图像分割模型.mp4
第四章第4节：【实战】U-Net.mp4
第四章第5节：【实战】DeepLabv3.mp4
第四章第6节：模型可视化.mp4
第四章第7节：【实战】特征图像可视化.mp4
第四章第8节：病理影像分割初探.mp4
第四章第9节：自监督学习.mp4
第四章作业.txt
第06章分布式深度学习系统
第六章第1节：分布式系统.mp4
第六章第2节：分布式深度学习系统.mp4
第六章第3节：【实战】数据并行模型训练.mp4
第六章第4节：微服务架构.mp4
第六章第5节：【实战】使用Kafka搭建MQ.mp4
第六章第6节：分布式推理系统.mp4
第六章第7节：TensorFlowServinginDocker.mp4
第六章第8节：第五章习题讲解.mp4
第六章第9节：直击面试II.mp4
第07章深度学习前严
第七章第10节：第六章习题讲解.mp4
第七章第11节：直击面试III.mp4
第七章第1节：深度增强学习.mp4
第七章第2节：【实战】FlappyBird.mp4
第七章第3节：AlphaGo.mp4
第七章第4节：生成对抗网络.mp4
第七章第5节：【实战】SimpleGAN.mp4
第七章第6节：【实战】ConditionalGAN.mp4
第七章第7节：【实战】CycleGAN.mp4
第七章第8节：未来在哪里.mp4
第七章第9节：彩蛋.mp4
第08章专题讲座
第八章第1节：【Lecture1】DenseNet_[www.52download.cn].mp4
第八章第1节：【Lecture2】Inception.mp4
第八章第1节：【Lecture3】Xception.mp4
第八章第1节：【Lecture4】ResNeXt.mp4
第八章第1节：【Lecture5】Transformer和它的朋友们.mp4
第八章第1节：【Lecture6】深度学习产品化.mp4
第八章第1节：【Lecture7】果壳中的量子计算.mp4
第八章第1节：【Lecture8】人工智能产业.mp4
第09章应用于大规模数据集的图像分类模型
第九章第10节：模型测试代码.mp4
第九章第11节：模型训练与过程分析.mp4
第九章第12节：模型批量测试与性能指标.mp4
第九章第13节：ResNet家族模型的表现.mp4
第九章第14节：常见模型的表现.mp4
第九章第1节：核心实战概述.mp4
第九章第2节：ImageNet介绍.mp4
第九章第3节：数据探索与预处理.mp4
第九章第4节：数据队列.mp4
第九章第5节：通用数据队列.mp4
第九章第6节：建立模型结构.mp4
第九章第7节：MNIST数据集训练.mp4
第九章第8节：ImageNetTiny数据集训练.mp4
第九章第9节：猫狗大战数据集介绍与预处理.mp4
作业.txt
第10章建立病理影像的病变区域分割模型
第一十章第10节：DeepLabv3Plus模型训练与测试.mp4
第一十章第11节：论文串烧：BMJOpen.mp4
第一十章第12节：论文串烧P2.mp4
第一十章第13节：论文串烧：NatureCommunications.mp4
第一十章第14节：论文串烧：ICCV.mp4
第一十章第15节：论文串烧：ECML.mp4
第一十章第16节：论文串烧：NatureMedicine.mp4
第一十章第17节：第九章习题讲解.mp4
第一十章第1节：数字病理切片介绍.mp4
第一十章第2节：数字病理切片预处理.mp4
第一十章第3节：样本均衡性处理.mp4
第一十章第4节：经典数据队列.mp4
第一十章第5节：建立训练模型.mp4
第一十章第6节：实现测试逻辑.mp4
第一十章第7节：预测结果后处理.mp4
第一十章第8节：20x模型训练与测试.mp4
第一十章第9节：40x模型训练与测试.mp4
第11章分布式深度学习推理系统
第一十一章第10节：运行Celery任务.mp4
第一十一章第11节：模型导出与运行.mp4
第一十一章第12节：系统整体运行.mp4
第一十一章第13节：构建Docker镜像的原始方法.mp4
第一十一章第14节：使用Dockerfile构建镜像.mp4
第一十一章第15节：增加病理影像预测Task.mp4
第一十一章第16节：分布式系统研究结果.mp4
第一十一章第17节：TensorFlowServing的内部机制.mp4
第一十一章第1节：系统架构设计.mp4
第一十一章第2节：代码结构与调度器配置.mp4
第一十一章第3节：调度器核心逻辑.mp4
第一十一章第4节：自定义Logging机制.mp4
第一十一章第5节：工作节点基础代码.mp4
第一十一章第6节：工作节点任务处理.mp4
第一十一章第7节：工作节点核心逻辑.mp4
第一十一章第8节：日志模块编写.mp4
第一十一章第9节：代码调试环境搭建.mp4
第12章课程总结
第一十二章第1节：课程总结I：深度学习理论.mp4
第一十二章第1节：课程总结II：卷积神经网络.mp4
第一十二章第1节：课程总结III：循环神经网络.mp4
第一十二章第1节：课程总结IV：深度学习系统与前沿.mp4
