资料目录：
├─第01章 课程引导
│ 第1节： 开场白.mp4
│ 第2节1-1： 课程安排I.mp4
│ 第2节2-2： 课程安排II.mp4
│ 第3节1-1： 绪论II (1).mp4
│ 第3节2-2： 绪论II (2).mp4
│
├─第02章 神经网络深?
│ 第1节： 从优化问题讲起I.mp4
│ 第2节：【实战】拟合问题.mp4
│ 第3节： 从优化问题讲起 II.mp4
│ 第4节：实战：优化方法比较从优化问题讲起 II.mp4
│ 第5节：深度神经网络.mp4
│ 第6节：【实战】使用神经网络建模MNIST数据.mp4
│ 第7节：【实战】激活函数与优化方法.mp4
│ 第8节：正则化方法 I.mp4
│ 第9节：正则化方法 II.mp4
│ 第10节：【实战】正则化方法.mp4
│ 第11节： 模型性能评价.mp4
│ 第12节：【实战】模型性能评价指标.mp4
│ 第13节：深度学习能力边界.mp4
│ 作业.txt
│
├─第03章 图像分类与目标检测
│ 第三章第1节： 卷积的基本概念I.mp4
│ 第三章第1节： 卷积的基本概念II.mp4
│ 第三章第1节： 卷积的基本概念III.mp4
│ 第三章第2节： 2.4 实战：异构深度学习环境搭建.mp4
│ 第三章第3节： 2.5 实战：卷积层的实现.mp4
│ 第三章第4节： 2.6 典型卷积神经网络.mp4
│ 第三章第5节： 2.7 实战：简单的卷积神经网络.mp4
│ 第三章第6节： AlexNet模型.mp4
│ 第三章第6节： LeNet模型.mp4
│ 第三章第6节： ResNet模型.mp4
│ 第三章第6节： VGGNet模型.mp4
│ 第三章第7节： 【实战】ResNet.mp4
│ 第三章第8节： 目标检测.mp4
│ 第三章第9节： 【实战】Faster R-CNN.mp4
│ 第三章第10节： 【实战】表征学习.mp4
│ 第三章第11节： 第二章习题讲解.mp4
│ 第三章第12节： 彩蛋.mp4
│ 第三章作业.txt
│
├─第04章 图像分割
│ 第四章第1节： 图像分割基础.mp4
│ 第四章第2节： 【实战】Deconvolution与空洞卷积.mp4
│ 第四章第3节： 图像分割模型.mp4
│ 第四章第4节： 【实战】U-Net.mp4
│ 第四章第5节： 【实战】DeepLab v3.mp4
│ 第四章第6节： 模型可视化.mp4
│ 第四章第7节： 【实战】特征图像可视化.mp4
│ 第四章第8节： 病理影像分割初探.mp4
│ 第四章第9节： 自监督学习.mp4
│ 第四章第10节： 模型训练流程.mp4
│ 第四章第11节： 第三章习题讲解.mp4
│ 第四章第12节： 彩蛋.mp4
│ 第四章作业.txt
│
├─第05章 高级循环神经网络【缺】
│
├─第06章 分布式深度学习系统
│ 第六章第1节： 分布式系统.mp4
│ 第六章第2节： 分布式深度学习系统.mp4
│ 第六章第3节： 【实战】数据并行模型训练.mp4
│ 第六章第4节： 微服务架构.mp4
│ 第六章第5节： 【实战】使用Kafka搭建MQ.mp4
│ 第六章第6节： 分布式推理系统.mp4
│ 第六章第7节： TensorFlow Serving in Docker.mp4
│ 第六章第8节： 第五章习题讲解.mp4
│ 第六章第9节： 直击面试II.mp4
│
├─第07章 深度学习前严
│ 第七章第1节： 深度增强学习.mp4
│ 第七章第2节： 【实战】Flappy Bird.mp4
│ 第七章第3节： AlphaGo.mp4
│ 第七章第4节： 生成对抗网络.mp4
│ 第七章第5节： 【实战】SimpleGAN.mp4
│ 第七章第6节： 【实战】ConditionalGAN.mp4
│ 第七章第7节： 【实战】CycleGAN.mp4
│ 第七章第8节： 未来在哪里.mp4
│ 第七章第9节： 彩蛋.mp4
│ 第七章第10节： 第六章习题讲解.mp4
│ 第七章第11节： 直击面试III.mp4
│
├─第08章 专题讲座
│ 第八章第1节： 【Lecture 1】DenseNet.mp4
│ 第八章第1节： 【Lecture 2】Inception.mp4
│ 第八章第1节： 【Lecture 3】Xception.mp4
│ 第八章第1节： 【Lecture 4】ResNeXt.mp4
│ 第八章第1节： 【Lecture 5】Transformer和它的朋友们.mp4
│ 第八章第1节： 【Lecture 6】深度学习产品化.mp4
│ 第八章第1节： 【Lecture 7】果壳中的量子计算.mp4
│ 第八章第1节： 【Lecture 8】人工智能产业.mp4
│
├─第09章 应用于大规模数据集的图像分类模型
│ 第九章第1节： 核心实战概述.mp4
│ 第九章第2节： ImageNet介绍.mp4
│ 第九章第3节： 数据探索与预处理.mp4
│ 第九章第4节： 数据队列.mp4
│ 第九章第5节： 通用数据队列(1).mp4
│ 第九章第5节： 通用数据队列.mp4
│ 第九章第6节： 建立模型结构.mp4
│ 第九章第7节： MNIST数据集训练.mp4
│ 第九章第8节： ImageNet Tiny数据集训练.mp4
│ 第九章第9节： 猫狗大战数据集介绍与预处理.mp4
│ 第九章第10节： 模型测试代码.mp4
│ 第九章第11节： 模型训练与过程分析.mp4
│ 第九章第12节： 模型批量测试与性能指标.mp4
│ 第九章第13节： ResNet家族模型的表现.mp4
│ 第九章第14节： 常见模型的表现.mp4
│ 作业.txt
│
├─第10章 建立病理影像的病变区域分割模型
│ 第一十章第1节： 数字病理切片介绍.mp4
│ 第一十章第2节： 数字病理切片预处理.mp4
│ 第一十章第3节： 样本均衡性处理.mp4
│ 第一十章第4节： 经典数据队列.mp4
│ 第一十章第5节： 建立训练模型.mp4
│ 第一十章第6节： 实现测试逻辑.mp4
│ 第一十章第7节： 预测结果后处理.mp4
│ 第一十章第8节： 20x模型训练与测试.mp4
│ 第一十章第9节： 40x模型训练与测试.mp4
│ 第一十章第10节： DeepLabv3Plus模型训练与测试.mp4
│ 第一十章第11节： 论文串烧：BMJ Open.mp4
│ 第一十章第12节： 论文串烧P2.mp4
│ 第一十章第13节： 论文串烧：Nature Communications.mp4
│ 第一十章第14节： 论文串烧：ICCV.mp4
│ 第一十章第15节： 论文串烧：ECML.mp4
│ 第一十章第16节： 论文串烧：Nature Medicine.mp4
│ 第一十章第17节： 第九章习题讲解.mp4
│
├─第11章 分布式深度学习推理系统
│ 第一十一章第1节： 系统架构设计.mp4
│ 第一十一章第2节： 代码结构与调度器配置.mp4
│ 第一十一章第3节： 调度器核心逻辑.mp4
│ 第一十一章第4节： 自定义Logging机制.mp4
│ 第一十一章第5节： 工作节点基础代码.mp4
│ 第一十一章第6节： 工作节点任务处理.mp4
│ 第一十一章第7节： 工作节点核心逻辑.mp4
│ 第一十一章第8节： 日志模块编写.mp4
│ 第一十一章第9节： 代码调试环境搭建.mp4
│ 第一十一章第10节： 运行Celery任务.mp4
│ 第一十一章第11节： 模型导出与运行.mp4
│ 第一十一章第12节： 系统整体运行.mp4
│ 第一十一章第13节： 构建Docker镜像的原始方法.mp4
│ 第一十一章第14节： 使用Dockerfile构建镜像.mp4
│ 第一十一章第15节： 增加病理影像预测Task.mp4
│ 第一十一章第16节： 分布式系统研究结果.mp4
│ 第一十一章第17节： TensorFlow Serving的内部机制.mp4
│
└─第12章 课程总结
第一十二章第1节： 课程总结I：深度学习理论.mp4
第一十二章第1节： 课程总结II：卷积神经网络.mp4
第一十二章第1节： 课程总结III：循环神经网络.mp4
第一十二章第1节： 课程总结IV：深度学习系统与前沿.mp4
