一些适合初学者复现的深度学习项目推荐（CNN,GCN,Transformers，U-Net）

课程导语：    人工智能可谓是现阶段最火的行业，在资本和技术协同支持下正在进入高速发展期。当今全球市值前五大公司都指向同一发展目标:人工智能。近几年，人工智能逐渐从理论科学落地到现实中，与生活越来越息息相关，相关的各种职位炙手可热，而深度学习更是人工智能无法绕开的重要一环。 从AlphaGo打败李世石开始，深度学习技术越来越引起社会各界的广泛关注。不只学术界，甚至在工业界也取得了重大突破和广泛应用。其中应用最广的研究领域就是图像处理和自然语言处理。而要入门深度学习，CNN和RNN作为最常用的两种神经网络是必学的。网上关于深度学习的资料很多，但大多知识点分散、内容不系统，或者以理论为主、代码实操少，造成学员学习成本高。本门课程将从最基础的神经元出发，对深度学习的基础知识进行全面讲解，帮助大家迅速成为人工智能领域的入门者，是进阶人工智能深层领域的基石。 讲师简介：赵辛，人工智能算法科学家。2019年福布斯科技榜U30，深圳市海外高层次人才（孔雀人才）。澳大利亚新南威尔士大学全奖博士，SCI收录其发表过的10篇国际期刊学术文章。曾任深圳市微埃智能科技有限公司联合创始人。CSDN人工智能机器学习、深度学习方向满分级精英讲师。授课风格逻辑严谨、条理清晰、循序渐进、循循善诱，化枯燥为如沐春风，所教学生人数过万。 课程设计： 本课程分为5大模块，19小节，共计540时长（约9小时）： 第一部分，课程介绍、目标与内容概览。主要学习人工智能深度学习应用场景；熟悉深度学习主流技术；掌握使用keras解决深度学习主要问题（神经网络、卷积神经网络、循环神经网络），以及深度学习主要内容：神经网络、卷积神经网络、循环神经网络；案例简介。 第二部分，深度学习之多层感知器(MLP)。主要学习多层感知器(MLP)；MLP实现非线性分类；深度学习实战准备；Python调用keras实现MLP。 MLP技术点实战案例：第三部分，深度学习之卷积神经网络(CNN)。主要学习卷积神经网络 ； CNN模型分析；主流CNN模型; Python调用keras实现CNN； CNN技术点实战案例：第四部分，深度学习之循环神经网络(RNN)。主要学习循环神经网络；RNN模型分析；Python调用keras实现RNN。 RNN技术点实战案例： 第五部分，综合提升。主要进行迁移学习；混合模型；实战准备+综合实战，以及最后进行课程内容总结。 混合模型技术点实战案例