建议时间：每周6－7小时
图像分割简介：图像分割技术的分步介绍https：／／www．analyticsvidhya．com／blog／／04／introduction－image－segmentation－techniques－python实现Mask R－CNN进行图像分割https：／／www．analyticsvidhya．com／blog／／07／computer－vision－implementing－mask－r－cnn－image－segmentationMask R－CNN论文https：／／arxiv．org／pdf／1703．06870．pdfMask R－CNN GitHub存储库https：／／github．com／matterport／Mask＿RCNN项目：COCO分割挑战http：／／cocodataset．org／＃downloadAttention 模型：Sequence－to－Sequence Modeling with Attentionhttps：／／www．analyticsvidhya．com／blog／／03／essentials－of－deep－learning－sequence－to－sequence－modelling－with－attention－part－iSequence－to－Sequence Models by Stanfordhttps：／／nlp．stanford．edu／～johnhew／public／14－seq2seq．pdf第7个月 – 探索深度学习工具目标：这是一个非常有趣的学习月！到目前为止，我们已经涵盖了许多
建议时间：每周6－7小时
PyTorch：PyTorch教程https：／／pytorch．org／tutorials／PyTorch的初学者友好指南https：／／www．analyticsvidhya．com／blog／／09／introduction－to－pytorch－from－scratchPyTorch中文官方教程(可选)http：／／pytorch123．com
TensorFlow：
TensorFlow教程https：／／www．tensorflow．org／tutorialsTensorFlow简介https：／／www．analyticsvidhya．com／blog／／10／an－introduction－to－implementing－neural－networks－using－tensorflow第8个月 – 了解NLP和图像字幕的基础目标：这是你专业化的开始。这是将你的深度学习知识与
建议时间：每周6－7小时
自然语言处理(NLP)的基础知识：斯坦福－词嵌入：https：／／youtu．be／ERibwqs9p38递归神经网络(RNN)简介：https：／／youtu．be／UNmqTiOnRfgRNN教程http：／／www．wildml．com／／10／recurrent－neural－networks－tutorial－part－3－backpropagation－through－time－and－vanishing－gradients／了解图像字幕自动图像字幕https：／／cs．stanford．edu／people／karpathy／sfmltalk．pdf使用深度学习的图像字幕https：／／www．analyticsvidhya．com／blog／／04／solving－an－image－captioning－task－using－deep－learning项目：COCO字幕挑战赛http：／／cocodataset．org／＃download第9个月 – 熟悉生成对抗网络(GAN)目标：9月，你将了解生成对抗网络(GAN)。自从Ian Goodfellow于正式推出GAN以来，GANs就火爆了起来。目前，GANs的实际应用很多，包括修复、生成图像等。
建议时间：每周6－7小时
了解生成对抗网络(GAN)：Ian Goodfellow的生成对抗网络(GAN)：https：／／youtu．be／HGYYEUSm－0QGAN 论文https：／／arxiv．org／pdf／1406．2661．pdf生成对抗网络的最新进展https：／／ieeexplore．ieee．org／stamp／stamp．jsp？tp＝＆arnumber＝8667290Keras－GANhttps：／／github．com／eriklindernoren／Keras－GAN第10个月 – 视频分析简介目标：视频分析是计算机视觉中一个蓬勃发展的应用。到(及以后)，对这项技能的需求只增不减，因此学习如何使用视频数据集的知识是必要的。
