資料目錄：

├─第01章 課程引導
│      第1節(jié)： 開場白.mp4
│      第2節(jié)1-1： 課程安排I.mp4
│      第2節(jié)2-2： 課程安排II.mp4
│      第3節(jié)1-1： 緒論II (1).mp4
│      第3節(jié)2-2： 緒論II (2).mp4
│      
├─第02章 神經網絡深?
│      第1節(jié)： 從優(yōu)化問題講起I.mp4
│      第2節(jié)：【實戰(zhàn)】擬合問題.mp4
│      第3節(jié)： 從優(yōu)化問題講起 II.mp4
│      第4節(jié)：實戰(zhàn)：優(yōu)化方法比較從優(yōu)化問題講起 II.mp4
│      第5節(jié)：深度神經網絡.mp4
│      第6節(jié)：【實戰(zhàn)】使用神經網絡建模MNIST數(shù)據(jù).mp4
│      第7節(jié)：【實戰(zhàn)】激活函數(shù)與優(yōu)化方法.mp4
│      第8節(jié)：正則化方法 I.mp4
│      第9節(jié)：正則化方法 II.mp4
│      第10節(jié)：【實戰(zhàn)】正則化方法.mp4
│      第11節(jié)： 模型性能評價.mp4
│      第12節(jié)：【實戰(zhàn)】模型性能評價指標.mp4
│      第13節(jié)：深度學習能力邊界.mp4
│      作業(yè).txt
│      
├─第03章 圖像分類與目標檢測
│      第三章第1節(jié)： 卷積的基本概念I.mp4
│      第三章第1節(jié)： 卷積的基本概念II.mp4
│      第三章第1節(jié)： 卷積的基本概念III.mp4
│      第三章第2節(jié)： 2.4 實戰(zhàn)：異構深度學習環(huán)境搭建.mp4
│      第三章第3節(jié)： 2.5 實戰(zhàn)：卷積層的實現(xiàn).mp4
│      第三章第4節(jié)： 2.6 典型卷積神經網絡.mp4
│      第三章第5節(jié)： 2.7 實戰(zhàn)：簡單的卷積神經網絡.mp4
│      第三章第6節(jié)： AlexNet模型.mp4
│      第三章第6節(jié)： LeNet模型.mp4
│      第三章第6節(jié)： ResNet模型.mp4
│      第三章第6節(jié)： VGGNet模型.mp4
│      第三章第7節(jié)： 【實戰(zhàn)】ResNet.mp4
│      第三章第8節(jié)： 目標檢測.mp4
│      第三章第9節(jié)： 【實戰(zhàn)】Faster R-CNN.mp4
│      第三章第10節(jié)： 【實戰(zhàn)】表征學習.mp4
│      第三章第11節(jié)： 第二章習題講解.mp4
│      第三章第12節(jié)： 彩蛋.mp4
│      第三章作業(yè).txt
│      
├─第04章 圖像分割
│      第四章第1節(jié)： 圖像分割基礎.mp4
│      第四章第2節(jié)： 【實戰(zhàn)】Deconvolution與空洞卷積.mp4
│      第四章第3節(jié)： 圖像分割模型.mp4
│      第四章第4節(jié)： 【實戰(zhàn)】U-Net.mp4
│      第四章第5節(jié)： 【實戰(zhàn)】DeepLab v3.mp4
│      第四章第6節(jié)： 模型可視化.mp4
│      第四章第7節(jié)： 【實戰(zhàn)】特征圖像可視化.mp4
│      第四章第8節(jié)： 病理影像分割初探.mp4
│      第四章第9節(jié)： 自監(jiān)督學習.mp4
│      第四章第10節(jié)： 模型訓練流程.mp4
│      第四章第11節(jié)： 第三章習題講解.mp4
│      第四章第12節(jié)： 彩蛋.mp4
│      第四章作業(yè).txt
│
├─第05章 高級循環(huán)神經網絡【缺】
│      
├─第06章 分布式深度學習系統(tǒng)
│      第六章第1節(jié)： 分布式系統(tǒng).mp4
│      第六章第2節(jié)： 分布式深度學習系統(tǒng).mp4
│      第六章第3節(jié)： 【實戰(zhàn)】數(shù)據(jù)并行模型訓練.mp4
│      第六章第4節(jié)： 微服務架構.mp4
│      第六章第5節(jié)： 【實戰(zhàn)】使用Kafka搭建MQ.mp4
│      第六章第6節(jié)： 分布式推理系統(tǒng).mp4
│      第六章第7節(jié)： TensorFlow Serving in Docker.mp4
│      第六章第8節(jié)： 第五章習題講解.mp4
│      第六章第9節(jié)： 直擊面試II.mp4
│      
├─第07章 深度學習前嚴
│      第七章第1節(jié)： 深度增強學習.mp4
│      第七章第2節(jié)： 【實戰(zhàn)】Flappy Bird.mp4
│      第七章第3節(jié)： AlphaGo.mp4
│      第七章第4節(jié)： 生成對抗網絡.mp4
│      第七章第5節(jié)： 【實戰(zhàn)】SimpleGAN.mp4
│      第七章第6節(jié)： 【實戰(zhàn)】ConditionalGAN.mp4
│      第七章第7節(jié)： 【實戰(zhàn)】CycleGAN.mp4
│      第七章第8節(jié)： 未來在哪里.mp4
│      第七章第9節(jié)： 彩蛋.mp4
│      第七章第10節(jié)： 第六章習題講解.mp4
│      第七章第11節(jié)： 直擊面試III.mp4
│      
├─第08章 專題講座
│      第八章第1節(jié)： 【Lecture 1】DenseNet.mp4
│      第八章第1節(jié)： 【Lecture 2】Inception.mp4
│      第八章第1節(jié)： 【Lecture 3】Xception.mp4
│      第八章第1節(jié)： 【Lecture 4】ResNeXt.mp4
│      第八章第1節(jié)： 【Lecture 5】Transformer和它的朋友們.mp4
│      第八章第1節(jié)： 【Lecture 6】深度學習產品化.mp4
│      第八章第1節(jié)： 【Lecture 7】果殼中的量子計算.mp4
│      第八章第1節(jié)： 【Lecture 8】人工智能產業(yè).mp4
│      
├─第09章 應用于大規(guī)模數(shù)據(jù)集的圖像分類模型
│      第九章第1節(jié)： 核心實戰(zhàn)概述.mp4
│      第九章第2節(jié)： ImageNet介紹.mp4
│      第九章第3節(jié)： 數(shù)據(jù)探索與預處理.mp4
│      第九章第4節(jié)： 數(shù)據(jù)隊列.mp4
│      第九章第5節(jié)： 通用數(shù)據(jù)隊列(1).mp4
│      第九章第5節(jié)： 通用數(shù)據(jù)隊列.mp4
│      第九章第6節(jié)： 建立模型結構.mp4
│      第九章第7節(jié)： MNIST數(shù)據(jù)集訓練.mp4
│      第九章第8節(jié)： ImageNet Tiny數(shù)據(jù)集訓練.mp4
│      第九章第9節(jié)： 貓狗大戰(zhàn)數(shù)據(jù)集介紹與預處理.mp4
│      第九章第10節(jié)： 模型測試代碼.mp4
│      第九章第11節(jié)： 模型訓練與過程分析.mp4
│      第九章第12節(jié)： 模型批量測試與性能指標.mp4
│      第九章第13節(jié)： ResNet家族模型的表現(xiàn).mp4
│      第九章第14節(jié)： 常見模型的表現(xiàn).mp4
│      作業(yè).txt
│      
├─第10章 建立病理影像的病變區(qū)域分割模型
│      第一十章第1節(jié)： 數(shù)字病理切片介紹.mp4
│      第一十章第2節(jié)： 數(shù)字病理切片預處理.mp4
│      第一十章第3節(jié)： 樣本均衡性處理.mp4
│      第一十章第4節(jié)： 經典數(shù)據(jù)隊列.mp4
│      第一十章第5節(jié)： 建立訓練模型.mp4
│      第一十章第6節(jié)： 實現(xiàn)測試邏輯.mp4
│      第一十章第7節(jié)： 預測結果后處理.mp4
│      第一十章第8節(jié)： 20x模型訓練與測試.mp4
│      第一十章第9節(jié)： 40x模型訓練與測試.mp4
│      第一十章第10節(jié)： DeepLabv3Plus模型訓練與測試.mp4
│      第一十章第11節(jié)： 論文串燒：BMJ Open.mp4
│      第一十章第12節(jié)： 論文串燒P2.mp4
│      第一十章第13節(jié)： 論文串燒：Nature Communications.mp4
│      第一十章第14節(jié)： 論文串燒：ICCV.mp4
│      第一十章第15節(jié)： 論文串燒：ECML.mp4
│      第一十章第16節(jié)： 論文串燒：Nature Medicine.mp4
│      第一十章第17節(jié)： 第九章習題講解.mp4
│      
├─第11章 分布式深度學習推理系統(tǒng)
│      第一十一章第1節(jié)： 系統(tǒng)架構設計.mp4
│      第一十一章第2節(jié)： 代碼結構與調度器配置.mp4
│      第一十一章第3節(jié)： 調度器核心邏輯.mp4
│      第一十一章第4節(jié)： 自定義Logging機制.mp4
│      第一十一章第5節(jié)： 工作節(jié)點基礎代碼.mp4
│      第一十一章第6節(jié)： 工作節(jié)點任務處理.mp4
│      第一十一章第7節(jié)： 工作節(jié)點核心邏輯.mp4
│      第一十一章第8節(jié)： 日志模塊編寫.mp4
│      第一十一章第9節(jié)： 代碼調試環(huán)境搭建.mp4
│      第一十一章第10節(jié)： 運行Celery任務.mp4
│      第一十一章第11節(jié)： 模型導出與運行.mp4
│      第一十一章第12節(jié)： 系統(tǒng)整體運行.mp4
│      第一十一章第13節(jié)： 構建Docker鏡像的原始方法.mp4
│      第一十一章第14節(jié)： 使用Dockerfile構建鏡像.mp4
│      第一十一章第15節(jié)： 增加病理影像預測Task.mp4
│      第一十一章第16節(jié)： 分布式系統(tǒng)研究結果.mp4
│      第一十一章第17節(jié)： TensorFlow Serving的內部機制.mp4
│      
└─第12章 課程總結
        第一十二章第1節(jié)： 課程總結I：深度學習理論.mp4
        第一十二章第1節(jié)： 課程總結II：卷積神經網絡.mp4
        第一十二章第1節(jié)： 課程總結III：循環(huán)神經網絡.mp4
        第一十二章第1節(jié)： 課程總結IV：深度學習系統(tǒng)與前沿.mp4