本书的三位作者 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 一直耕耘于机器学习领域的前沿，在业内也具有非常大的知名度，引领了深度学习的发展潮流。
对AI学习者来说，《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。
花书的内容包括3个部分：
第1部分：介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；
第2部分：系统深入地讲解现今已成熟的深度学习方法和技术；
第3部分：讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。
我相信，这本深度学习领域内的权威教材，你肯定对它很熟悉。但你读过它吗？是不是放在家里某个角落正在积灰呢？
其实真想的学好一门技术，最好还是要啃砖头，这种方式是最笨，但是却是最扎实的
为了帮助大家更好的理解这本书，我们耗时五个多月，联合六位经验丰富的导师，在原有第一期的基础下，又全新迭代升级增加了花书系统视频课讲解，推出了我们新一期的
花书的整本学习内容划分3个梯度，第1部分是深度学习中需要应用的数学知识，第2部分则针对现代深度学习常用技术，从最简单的多层感知机，到适用于图像处理的卷积神经网络，到解决序列问题的循环神经网络，到正则化技术和优化方法，以及实践的技术由浅及深
针对这本书中同学们不懂的问题，我们不仅给大家提供了花书系统视频课,导师还结合书籍内容，加入了企业项目中应用的技巧和项目经验
一本花书，500多页，全部啃下来非常的难，因此我们进行了重新的梳理，并进行了顺序重组，精心安排了每天详细的教学计划和任务，从2个月进行整体规划，每日任务布置+打卡监督+每阶段作业批改点评讲解
【代码】参考Notebook，温习线性代数
【总结】列出花书前五章必须要掌握的十个知识点，附带上自己的学习心得
【推导】参考博客，完成softmax输出单元cross-entropy损失函数的梯度推导
【代码】参考Notebook，温习机器学习基础
Week2
>>花书6.3-6.4，花书6.5-6.6
【视频课】了解隐藏单元常用函数（sigmoid、tanh、ReLU、softmax），绘制其图形
【视频课】掌握并推导激活函数导数表达式，了解不同激活函数的优缺点
【视频课】了解如何初步进行网络架构设计，一般通过实验进行验证
【视频课】掌握计算图和链式法则，能够推导MLP反向传播公式
【视频课】了解神经网络的历史
作业：
【推导】参考博客，完成一个反向传播实例
【实践】参考教程，在网页上搭建简易神经网络
【代码】参考Notebook，训练前馈神经网络
Week3
>>花书9.1-9.4，花书9.5-9.11
【视频课】了解CNN和MLP的区别和联系，CNN有哪些优势
【视频课】掌握卷积运算的原理
【视频课】了解常见的池化操作方法
【视频课】掌握卷积运算后尺寸计算，它与卷积核大小、步长、padding有关
【视频课】了解卷积网络的历史及加速方法
作业：
【作图】画出以下网络结构示意图：AlexNet, VGGNet, Inception, ResNet
【代码】参考Notebook，训练卷积神经网络
Week4
>>花书10.1-10.2，花书10.3-10.6
【视频课】掌握RNN的展开计算图
【视频课】了解各种循环神经网络的设计
【视频课】掌握RNN的梯度计算
【视频课】了解循环网络常用结构（双向RNN、深度循环网络和递归神经网络）
作业：
【作图】画出图10.13c的展开图
【作图】可以完成给定任务的RNN计算图
Week5
>>花书10.7-10.12
【视频课】了解RNN长期依赖的困难（梯度消失和梯度爆炸）
【视频课】掌握门控制循环网络（LSTM和GRU）
【视频课】了解优化长期依赖和外显记忆
作业：
【推导】参考博客，了解随时间反向传播在LSTM中的推导
【总结】列出花书第6、9、10章必须要掌握的十个知识点，附带上自己的学习心得
Week6
>>花书12.1-12.3，花书12.4-12.5
作业：
【总结】观看深度学习最新进展视频，总结几条你认为深度学习最有潜力的发展方向
Week7
>>花书11.1-11.6，花书7.1-7.5
【视频课】掌握参数范数惩罚（L1正则化和L2正则化），了解L1正则化和L2正则化的区别
【视频课】了解约束范数惩罚
【视频课】了解数据增强和噪声的作用
作业：
【推导】用公式说明为何L2正则化又常被称作“weight decay”
【习题】过拟合相关习题训练
Week8
>>花书7.6-7.9，花书7.10-7.14
【视频课】了解半监督学习方式和多任务学习方式
【视频课】了解提前终止、参数绑定和参数共享，其中提前终止在实际中很有效
【视频课】了解稀疏表示实现正则化
【视频课】了解Bagging和Boosting的区别
【视频课】掌握Dropout的原理，其与Bagging的区别
【视频课】了解对抗训练和流形分类器
作业：
【习题】过拟合相关习题训练（续）
【总结】参考论坛，总结几条防止过拟合的办法
Week9
>>花书8.1-8.4，花书8.5-8.7
作业：
【代码】参考Notebook，实践深度学习中的优化策略
【经典阅读】阅读：Goodfellow, Ian, et al. ‘Generative adversarial nets.’ Advances in neural information processing systems. 2014.
【总结】列出花书第12、11、7、8章必须要掌握的十个知识点，附带上自己的学习心得
1：赠送价值1198元知识星球为期一年1对1导师咨询服务，12小时之内保证解决问题
2：每月统一收集问题直播答疑，系统讲解重难点
3：微信学习群助教及时互动，群友互答
每周五开设人工智能研究方向前沿问题或职业发展话题讨论，老师和400+学员的集体头脑风暴，资源、干货、观点一起碰撞
和一批优秀的985、211学员一起学习，每周头脑风暴！
△可上下滑动，查看往期学员互动详情
免费提供部署好环境的GPU云端资源教程
学AI，顶级书本+权威导师，你就相当于成功了一半，而我们经验丰富的导师团
对于优秀作业我们将置顶，助教将进行点评和批改
看到同学们这么认真的在做学习笔记，也是满满的成就感
△可上下滑动，查看往期学员部分作业完成详情
学员给我们的好评
我们的模式在往期训练营里中备受好评！
而我们，还在不断的更新迭代
△可上下滑动，查看往期学员部分评价详情
