如今，深度学习发展迅速，其影响力也越来越大，在机器视觉、语音识别、机器翻译等领域都取得了前所未有的发展。深度学习的复杂性和难点主要体现在神经网络模型的数学推导、神经网络模型的优化，以及如何构建一个优秀的深度学习模型解决实际问题。
针对这些难点，特别推出了本达人课，希望通过课程内容的学习，大家可以扫清学习过程中的障碍，再上新台阶。
本课程共包含三大部分。
第一部分（第01-04课），主要介绍一些深度学习的预备知识。对深度学习进行简要概述，列举重要的 Python 基础知识，手把手教你搭建本课程需要的开发环境，使用 Anaconda 平台，重点介绍 Jupyter Notebook 的使用以及知名的深度学习框架 PyTorch。
第二部分（第05-14课），主要介绍神经网络的基础，以最简单的两层神经网络入手，详细推导正向传播与反向梯度的算法理论。然后，从简单网络推导至深度网络，并重点介绍神经网络优化算法及构建神经网络模型的实用建议。每一部分都会使用 Python 构建神经网络模型来解决实际问题。
第三部分（第15-18课），主要介绍卷积神经网络 CNN 和循环神经网络 RNN，重点剖析两种模型的数学原理和推导过程。最后，利用越来越火的深度学习框架 PyTorch 分别构建 CNN 和 RNN 模型，解决实际问题。
