最近参加了《百度架构师手把手带你零基础实践深度学习》课程，对深度学习以及百度的飞桨PaddlePaddle深度学习平台有了一个初步的了解。

课程内容概要

1. 介绍人工智能、机器学习、深度学习的基本知识。
2. 以波士顿房价预测任务为例，介绍了机器学习的基本过程，即数据处理、模型设计、训练配置、训练过程、模型保存，5大步骤。最终基于Python和Numpy库实现了一个简单的线性模型，实现了房价预测任务。
3. 介绍了飞桨深度学习平台，并用飞桨改写了房价预测模型。实现思路和程序结构都与用直接Python实现一样，在前向计算、梯度下降优化算法、损失计算、反向传播、保存模型环节，使用了飞桨提供的方法，肉眼可见代码量变小很多。
4. 从简单的房价预测模型到手写数字识别模型，仍然以5大步骤为思路主线，对关键点逐一优化改造，从单层网络发展到多层卷积神经网络，选用适用于分类问题的交叉熵损失函数，尝试不同的优化器和学习率，采用GPU或分布式训练提高效率，将训练过程关键指标可视化用于比较分析。主要知识点可参考下图：
5. 介绍用于计算机视觉的卷积神经网络。包括卷积、池化、ReLU**函数、批归一化、丢弃法等基本概念，以及用于图像分类的经典网络模型，包括LeNet、AlexNet、VGG、GoogLeNet、ResNet，并以眼疾识别数据集为例，分别使用各个模型进行了预测。除了LeNet不适合大尺寸的图像分类问题之外，其它几个模型都获得比较好的精度。
6. 介绍YOLO-V3模型，实现图片目标检测任务。主要思路如下图：
   

心得体会

人工智能是大势所趋，但是总感觉门槛很高，非常有幸参加本次课程，能够初识深度学习并为自己以后的学习打下一个基础。课程整体由浅入深，层层递进，感觉确实是经过精心设计的，对于小白来讲是一个很好的入门课程，能够结合代码实践理解知识点，了解到问题解决思路和思考方式。每天课程的内容其实些微有点多，尤其对于白天要上班的同学，经常觉得晚上和周末时间不够用。课程难度也是有的，要想充分理解掌握是需要一定努力的。总之作为免费课程感觉已经非常良心了，感谢主讲大佬、班主任、助教的付出。