欢迎大家关注有三AI的视频课程系列，我们的视频课程系列共分为5层境界，内容和学习路线图如下：
第1层：掌握学习算法必要的预备知识，包括Python编程，深度学习基础，数据使用，框架使用。
第2层：掌握CV算法最底层的能力，包括模型设计基础，图像分类。
第3层：掌握CV算法最核心的方向，包括图像分割，目标检测，图像生成，图像翻译，目标跟踪。
第4层：掌握CV算法最核心的应用，包括人脸图像，图像质量，视频分析，图像编辑。
第5层：掌握算法落地的关键技术，包括模型优化，模型部署。
本次给大家介绍的课程内容是《深度学习之模型设计：经典网络篇》，目标是帮助新手同学掌握经典的深度学习模型设计理论与实战。
深度学习的核心是什么，当然是“模型”，从CNN到GAN，再到Transformer，正是各类深度学习模型结构的快速发展才使得当前AI技术进展日新月异，其中
模型的设计是整个深度学习领域的通用基础，不管是从头设计自己的神经网络，还是对已有模型进行优化获得更高的任务指标，更快的运行速度，获得更小的模型体积，都需要掌握各类网络的设计技巧，是深度学习算法工程师进阶的难点及必学点！
为了让大家能够更加系统更加深入的掌握模型设计相关的内容，有三AI推出了《深度学习之模型设计-理论实践篇》系列课程，本次我们将该专栏进行了拆分，提练出其中最适合新手同学学习的经典网络理论与实战内容，让有经验有实力的讲师带你系统地入门学习。
目前本课程内容聚焦于经典的CNN模型设计，下面是课程大纲脑图：
理论部分内容包括4节：第1节讲解经典浅层卷积网络设计，第2节讲解基于网络深度的模型设计，第3节讲解经典模型的宽度设计思想，第4节讲解基于网络宽度设计的模型。
实践部分内容包括2个：包括基于ResNet的垃圾分类实战，基于Inception的花卉分类实战。
下面简单了解一下课程各部分的大体内容：
(0) 课程简介，包括本次课程的内容介绍。
(1) 经典浅层卷积模型的设计，讲解Neocognitron，TDNN，Cresceptron，LeNet等早期模型，本小节内容可以免费收听。
(2) 基于网络深度的经典卷积模型的设计，讲解AlexNet，VGGNet，ResNet等经典模型，本小节内容可以免费收听。
(3) ResNet垃圾分类实战，讲解数据预处理与读取，模型搭建与训练，模型测试，模型调优，本小节内容可以免费收听。
(4) 经典卷积模型的宽度设计思想，讲解通道设计，通道补偿，多分支模型设计。
(5) 经典卷积模型的宽度设计思想，讲解InceptionNet，ResNext，DenseNet等经典模型。
(6) InceptionNet花卉图像分类实战，讲解Inception V1，Inception V2，Inception V3，Inception V4共4个版本模型的原理，搭建以及训练，测试。
本课程适合人群：
(1) 所有学习人工智能/深度学习算法，并有志于从事该领域的人员。
(2) 掌握了Python，深度学习基础概念等预备知识的技术人员。
(3) 学习与从事计算机视觉领域的技术人员。
学习完本课程你将掌握：
(1) 经典的CNN模型原理。
(2) 熟悉Pytorch项目实践。
(3) 掌握计算机视觉项目的完整流程。
本课程讲师为鲁健恒，大学老师，有三AI线上与线下课程讲师，《深度学习之模型设计》系列课程主讲人，SCI期刊IEEE ACCESS审稿人。专注于计算机视觉与人工智能领域，近期围绕人工智能领域，拥有4个发明专利授权，2个实用新型专利授权，以及1个软件著作权。
其一：单独订阅《深度学习之模型设计-经典网络篇》专栏课程，本专栏定价为69，随着后续内容增加可能会进行价格调整，感兴趣的请提前订阅，链接如下：
课程设有交流群，大家在订阅课程后可以添加小助手入群：
同时欢迎在深度学习领域有沉淀积累的同学加入有三AI生态，让更多人受益！
