（来源：炼数成金前沿推荐）

课程简介：

过去几年，得益于高速的计算芯片（GPU）及大量的标注数据，作为当下最流行的机器学习方法，深度学习在各个应用领域中都取得了突破性的成绩，例如：辅助驾驶，人机交互，医疗诊断，视频分析，自动翻译等。从而使得深度学习全栈工程师（即独自一人设计整套深度学习工业生产系统）供不应求，月薪平均尽达到4万人民币/月。

我们将以工业上经典项目人脸识别系统以及高阶项目人体姿态估计系统来带领大家学习到如何根据客户需求设计出自己的深度学习解决方案，更有大量工业前沿技术如半精度训练、模型压缩及量化等。学习完系列课程之后不仅对Python语言、PyTorch、TensorFlow、MXNet等主流框架得心应手，更能准确抓住客户需求的核心，设计和训练出高精度的模型、使用模型的压缩和量化大量减小算法的时间和空间复杂度，及快速布局在多种设备上，包括大型服务器和树莓派，从而达到根据客户需求游刃有余地设计高效的深度学习系统。作为深度学习全栈工程师，在任何公司的深度学习相关岗位上都能得心应手，初入职年薪20万，工作2至3年后年薪可达35万+。

入门课程将教授深度学习基础知识，用CIFAR-100作为例子动手设计整个深度学习项目的生产环境和流程。

课程大纲：

第一课：理论学习：深度学习与自然语言处理简介

第二课：理论学习：计算机视觉简介

第三课：动手实战：主流深度学习计算框架的对比与新特性

第四课：动手实战：Python和Numpy基础入门

第五课：动手实战：搭建自己的深度学习平台

第六课：动手实战：PyTorch的科学计算以及Jupyter工具的使用

第七课：动手实战：线性回归理论与房价预测实战

第八课：动手实战：PyTorch神经网络的搭建，参数的初始化及网络层自定义

物体分类实战：

第九课：理论学习：物体分类任务简介

第十课：动手实战：物体分类主流算法分析与对比

第十一课：动手实战：动手搭建物体分类神经网络

第十二课：动手实战：分类网络的训练技巧及可视化训练

第十三课：动手实战：动手解决百分类任务-CIFAR100

讲师介绍：

吴宇翔，中国科学技术大学硕士生，Oracle认证专家，SnowCloud公司联合创始人兼首席研究工程师。共计参与英国牛津大学、清华大学等高校6个人工智能科研项目，已在人工智能较高级会议ACMMM和ICIP上发表文章两篇，所涉及的领域包括深度学习、计算机视觉等。多次带领团队拿下了人工智能相关竞赛前三名，如2019爱奇艺视频人物识别挑战赛第一名。

授课时间：

课程将于2026年10月08日开课，课程持续时间大约为12周。

授课对象：

对深度学习有浓厚兴趣的大二学生或工作两年以上的相关从业人员

课程基础：

因为不是主要讲理论，不需要太多基础。有一点软件开发经验即可

课程环境：

Windows,Linux,Mac等电脑；Python3.5+；PyTorch1.1+

收获预期：

深度学习基础理论和工业生产知识和整套深度学习设计流程

课程特点：

3分理论与7分实践教授整套工业生产流程：客户需求分析，数据采集，设计深度学习方法，模型压缩量化，最后部署到各种设备上。

全国统一咨询热线136 1033 4399

课程入门讨论咨询群：303917420