深度学习与神经网络从原理到实践（基于TensorFlow2）

深度学习和神经网络隶属于机器学习范畴，但是由于它在行业中应用广泛、研究成果显著，成为当下最热门的研究领域，因此深度学习就作为一门独立的学科被提出来了。 本课程使用的开发工具为TensorFlow2.X，如果你刚接触TensorFlow2，“墙裂”建议你从TensorFlow2学起，因为Google团队对其做了重大调整，它极大降低了开发者学习的门槛，更加简单，易用，开发者更多的应该关注深度学习算法本身。 本课程知识覆盖全面，项目案例丰富，以项目为导向，通过动态图形展现推理过程，深入浅出，从原理到实践均能很快掌握。 课程编排如下： 神经网络原理（神经元，单层感知器，多层感知器）TensorFlow2.X基础（环境搭建，常用函数，线性回归实现）全连接神经网络（前馈神经网络，全连接神经网络，神经网络搭建，手写数字识别，衣物识别）模型优化（模型复杂度，损失函数，学习率，优化器，图片增强，dropout）CNN卷积神经网络（原理，LeNet5，AlexNet，VGGNet，InceptionNet，ResNet，物品识别）RNN循环神经网络（原理，LSTM，GRU，股票预测）BP神经网络（正向传播