深度学习神经网络模型应用广泛，可以结合交通运输，土木工程，农学，心理学等学科搞交叉应用，比较容易出创新点，以及竞争没那么大

对于非科班的同学来说，深度学习入门还是有一定难度的，主要是没有大片的时间专门去学习，而是要在较少的时间内达到能用起来的水平

这一期主要是给大家推荐一个深度学习快速入门教程

这个教程的具体内容如下：

第一节：深度学习必备知识点

这一部分主要介绍人工智能，机器学习和深度学习的关系，机器学习解决问题的流程，特征提取的方法，深度学习应用于自动驾驶，人脸识别，医学检测等领域，深度学习损失函数等，属于比较基础的内容，有个基础的认知就行

第二节：神经网络模型

这一部分主要介绍神经网络反向传播计算方法，链式求导法则一定要理解深刻，后续过拟合问题可能会有关联，神经网络整体框架，正则化技巧与激活函数介绍，神经网络过拟合的解决方法

第三节：卷积神经网络

这一部分主要介绍CNN模型，CNN最初主要是应用于图像领域，后续改进之后也可以应用于时间序列和自然语言处理等领域，CNN常规应用任务有检测任务，分类与检索，图片重构，无人驾驶和人脸识别等，重点掌握卷积的作用，卷积计算方法，卷积层的参数，池化层的作用，残差网络和整体框架等内容

第四节：递归神经网络

RNN和CNN一样都是一种特征提取器，主要是针对时间序列数据，常规的神经网络没有记忆功能，然后介绍词向量Word2vec模型，从训练数据的构建，CBOW和SkIpgram模型，负采样方案等内容

第五节：LSTM网络架构与情感分析应用

这一部分主要是介绍LSTM模型，LSTM模型是RNN的改进版本，通过引入门控单元来改进，但同时也会提高运算量，LSTM模型在时间序列领域应用还是效果比较好的，通过这个案例可以了解一下LSTM解决实际NLP的问题的流程

学完上面的内容，基本上对深度学习有一个比较好的了解了，后续可以去学习Transformer或者CV方向的内容，深度学习各个分支差别挺大的，但基础内容都一样
CSDN粉丝独家福利
这份完整版的 AI系统资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】