由某大型知名互联网企业首席架构师的Andrew Yin分享的课程。机器学习提供了一些工具，可以根据数据自动做出决策，以实现某些目标或需求。相比如人工处理，机器学习方法可以更加快速分析样例数据并生成算法。由于自动化的特性，机器学习方法可以基于更多的数据、运行更长的时间，生成更精确的决策。给人工无法解决的问题提供解决方案。本内容全面揭开机器学习与AI的常见算法、模型、应用，及典型案例场景剖析，涵盖深度学习的相关知识；介绍人工神经网络的基础知识与实战；介绍DNN的基础知识、概念、发展历史以及将来趋势；深度学习开源框架Keras；模型效果评估体系；深度学习在图像识别、目标检测、语音识别中的经典模型；介绍自然语言处理模型理论、方法及指标；介绍循环神经网络（RNN）的基础知识、概念、发展历史以及将来趋势，并实现自然语言处理NLP）；语音处理等，将业界广泛应用的算法落地到实际项目中。

课程收益

1、对于CNN的核心内容有了更加系统化的了解

2、掌握了卷积神经网络在图像处理场景的应用

3、目前深度学习主要的应用场景，聚焦在图像识别、目标检测、语音识别中，借助讲师的视角审视目前工作中正在进行的项目，有了进一步的优化和清晰的路线。