本课程，是更全面介绍深度学习各类神经网络：CNN、RNN、LSTM 及框架：TensorFlow，Keras，Caffe 等的进阶课程。学生在本课程中将进一步学习深度学习的技术、术语和数学原理，理解基础神经网络架构、前馈网络、卷积网络和循环网络结构，认识如何恰当地构建和训练这些模型，了解并解释深度学习的实际应用，并使用“预训练”模型达到最佳结果。同时，配合神经网络训练可视化引擎，以及项目实现代码，让学生更为直观的了解深度学习技术在经典数据集 MNIST，CIFAR-10 上的工作过程。学生在完成本课程后，将能独立完成时装服饰图片分类，电影评论文字分类，房地产价格回归预测，使用循环神经网络实现文本生成，序列模型语言翻译等深度学习的先进案例。
本课程基于经典深度学习框架 TensorFlow 开发，首先概述讲解深度学习应用与挑战，由计算机视觉中图像分类任务开始讲解深度学习的常规套路。对于复杂的神经网络，将其展开成多个小模块进行逐一攻破，再挑战整体神经网络架构。对于深度学习模型形象解读卷积神经网络原理，详解其中涉及的每一个参数，对卷积网络架构展开分析与评估，对于现阶段火爆的对抗生成网络以及强化学习给出形象解读，并配合项目实战实际演示效果。结合经典深度学习项目案例，完成课程后，学生能使用深度学习框架从零开始完成人脸检测，验证码识别，人脸关键点定位，垃圾邮件分类，图像风格转换，AI 游戏等。对于每一个项目实战，从数据预处理开始逐步构建网络模型并展开分析与评估。