重磅推荐 | 带学斯坦福CS231n计算机视觉课+带打全球顶级kaggle大赛（文末重金招聘老师！）

  Sound

斯坦福CS231n 的计算机视觉课程质量很高，自己学效率低进度慢，如有有人带学，还能答疑解惑，价格还不贵的话，那推荐一下深度之眼，希望对你有所帮助~

入坑计算机视觉领域后，你关注什么问题：学习内容？学习方法？还是行业未来？

有人说市面上的很多学习“除了教我怎么当一名调包侠以外，什么也学不到。”掌握底层的算法原理，指导项目实现是很多学习者的初心。

我咨询过参加我们往期课程的学员，在进入计算机视觉领域时，他们面临的问题：

导师不管，自己不知道从何学；

想转行AI，无奈加班多，学习时间不够用；

理解算法原理就很难，学不懂；

一个人学习容易懒散，学习中容易走叉路……

你是不是也和他们一样？

在学习时，如果有这样一门课：

由权威、专业的行业大牛讲授课；

有比赛，有项目实践，学到的知识立马能用；

有人带学，不用耗费时间自己一个人瞎琢磨....

在学习时，如果有这样一位老师：

能分享他的学习经验，规划和引导学习路径；

能亲自指导，对遇到的问题及时解答；

还能分享一些工作经验，为面试和找工作提供建议。

简直不要太棒！

斯坦福李飞飞CS231n《计算机视觉》的视频课，是业内导师和博士公认的优质学习内容，网易云课堂平台就有20W人学！

这个视频课程覆盖知识面广，涵盖了领域内的核心课题，还介绍了CV前沿的发展方向。

但问题是，这种视频靠自学基本上没人能坚持看完，甚至连作业题目都看不懂。

对于深度学习工程师，只会简单的调包和调参已经没有生存机会，用python实现底层框架的能力几乎成了必备。

企业需要具备这样能力的人，为此，我们开办了：

李飞飞《计算机视觉课》训练营

首创训练营带学模式

深度之眼首创训练营教学模式，以世界顶级视频课程——CS231n《计算机视觉课》为蓝本，设计教学路径。

合理的学习设计

训练营导师讲解视频课程中的重点、难点知识，设计9周详细的教学任务，训练营每周设置2天休息日，其余时间都有详细的学习任务和作业打卡要求，学员能有清晰的学习路径和学习目的。

△ 正在进行的其他主题训练营课程示意

学习作业打卡能有效激发你的学习热情，按时的学习提醒，帮助你在学习过程中彻底摆脱拖延症。

另外，我们有全部的作业视频讲解，帮助大家更好的理解学习课程，获得及时的作业反馈。

△ 作业视频讲解图示

逐层项目实战

为了将所学理论知识能及时消化吸收，我们加强了实战部分的比重，在整个教学设计上，不仅有大量的课程任务代码实战 ，并且带打两场重量级Kaggle大赛，更有奖品丰厚的深度之眼内部举办的二分类算法比赛，通过比赛让自己熟悉机器学习的算法，将抽象的理论知识嵌入比赛代码，边学边用。

△ 比赛视频指导图示

3个维度答疑

为了解决同学们在学习过程中遇到的问题，训练营为大家提供了三个答疑方法：

社群答疑，在学习交流群内，2个助教及时解答大家的日常提问；

1V1答疑，在知识星球，可以向导师定向提问，24小时内解决；

直播答疑，助教统一收集学员问题，每月导师集中直播讲解2~3次。

△ 问题答疑图示

这就是我们训练营的学习模式：

首创三大带学模式

深度之眼训练营为学员提供全方位的学习指导，减少你学习中的阻力。

课程大纲

  Week 1

1. 计算机视觉发展历史、应用场景

2. 最近邻分类器和K近邻分类器

3. 线性分类器、损失函数

4. 损失函数及优化方法

3.作业视频讲解：训练KNN分类器、训练线性分类器、使用numpy实现线性分类器

  Week 2

1. 反向传播

2. 深度神经网络

3. 卷积神经网络

4.作业视频讲解：Lenet实战MNIST

  Week 3

1.激活函数、权重初始化

2.进一步理解激活函数

3.Batchnorm

4.Kaggle比赛视频讲解：人脸关键点检测

  Week 4

1.更多优化方法（学习RMSProp、Adam等）

2.权重正则化

3.迁移学习

4.作业视频讲解：实战迁移学习、finetune

  Week 5

1.了解深度学习框架

2.深度神经网络结构

3.深度神经网络实现

4.深度神经网络训练

5.作业视频讲解：实现深度神经网络 resnet18

  Week 6

1. 语义分割问题

2. 目标识别和检测问题

3. Kaggle比赛视频讲解：猫狗二分类

  Week 7

1. 卷积层可视化

2. Deepdream与风格迁移

3. Pixel RNN、CNN

4. 变分自编码器

5.作业视频讲解：生成对抗网络

  Week 8

1. 循环神经网络

2. 语言模型

3. 图像语言问题

4.作业视频讲解：实现RNN Captioning 、LSTM Captioning

  Week 9

1.期末总结

2.结营竞赛（视情况选题）

导师介绍

参与训练营的学员，还能获得

赠送价值1198元为期一年1对1咨询服务，11位重量级人工智能大咖坐镇，全方位解决你的学习困惑。

我们提供部署好环境的GPU云端资源使用教程，有通俗易懂的中式思维学习笔记和一站式研学资料包。

增加工作就业机会，超过15家知名互联网企业的工作内推机会：英伟达、京东、图森未来、蚂蚁金服、滴滴等公司。

每周五人工智能研究方向，前沿或职业发展的话题讨论，老师和400+学员的集体头脑风暴，资源、干货、观点、思想的碰撞。

“学习不能只埋头，一场讨论，节约了我两年时间”

“赶紧截图，干货满满，信息量超大”

                                    ——话题讨论学员说

立即加入，仅需98元

-长按以下二维码速速付款报名-

报名时间：2019年5月10日—2019年6月3日

-添加班主任微信进群-

添加班主任送你免费《Python 基础训练营》

注：如有任何问题，也请添加班主任微信咨询

深度之眼训练营：

有高素质的学习同伴

各大985、211名校学生都选择加入我们的训练营一起学习，不乏哈佛、麻省、清华、北大、中科院本科研究生，华为、阿里、滴滴的工程师。

加入我们，你也能跟这样一群优质的学习伙伴做朋友，在未来职业生涯里，多个朋友多条路。

有友好的学习氛围

结课后学员讨论

获得认可的学习模式

△ 参加训练营的同学认可课程设置

△  学员作业打卡辅助学习

学习奖励

目前参与训练营学习的学员超过10000+，累积提交作业打卡总195683次，返现奖金池累积将近8万元，并在不断累积。

为了鼓励学员坚持学习，按要求完成作业打卡排名前20的同学，全额退还学费，赠送100元以内一本纸质书，积分排名前5的同学，可以获得包含17大训练营课程的VIP会员。

（训练营采取的积分机制，打卡、点评、点赞都会有得到相应的积分，凭积分就可以换取相应奖品！）

△ 积分榜奖励列表

△ 打卡率及奖金图示

事实证明，往期训练营结束后，每一期坚持打卡的人，都拿回了报名时他所付的学费。

我们的学员凡是参与过一期的人，都不断的在参与我们其他主题的训练营，所有人说“太值了”！

不仅如此，还有老师、学姐、朋友持续推荐参加深度之眼的学习。

△ 老师学姐朋友一致推荐

立即加入，仅需98元

-长按以下二维码速速付款报名-

9周，每天不到1.6块钱，每天1-2个小时

你能收获的不仅仅是知识和能力

还有一群一起打比赛的朋友

报名时间：2019年5月10日—2019年6月3日

（过时无法参与）

-添加班主任微信进群-

添加班主任送你免费《Python 基础训练营》

注：如有任何问题，也请添加班主任微信咨询

重磅推出深度之眼VIP

会员专享17大精品训练营

一年畅学17大主题训练营，从小白入门到进阶大神的最佳学习方式。

购买VIP需添加班主任微信拉群哦！

支持分呗和信用卡付款，请添加班主任咨询！

购买须知

Q:课程哪里找？

A:我们的全部教学内容会在训练营内部上传，直播答疑会在网易云课堂公开

Q:可以退费吗？

A:本服务为虚拟内容产品，一经购买，概不退款，敬请谅解。·

Q、可以开具发票吗？

A、可以开具普通纸质发票，请联系微信班主任填写需要的信息即可。

企业合作

截止目前，我们已经和多家国内知名在线教育平台和比赛机构建立了合作关系，只为给大家提供最优质的学习服务：

讲师招募

“深度之眼”首创训练营模式，在不到一年时间已有近1万名付费学员，我们长期招募兼职讲师，以在线工作为主，分成收入佳。

只要您在一下方面有某一专长：

1、 精读过《深度学习》花书、李航《统计学习方法》、《机器学习》西瓜书等AI类知名书籍，可以开设以此书籍为教材的带读班。

2、系统学过李宏毅的《机器学习》《深度学习》、李飞飞《计算机视觉课》或是国外名校的知名公开课，可以开设以此课程为教材的带学班。

3、 打过Kaggle、天池、AI challenger、科赛网、DC等竞赛，并取得过前5的成绩，可带竞赛班

4、如果你自己曾经读过AI类的经典或者前沿论文，并且对论文做过深入的分析和研究，可作为我们的paper精读班老师

5、如果你在企业里面，有参加过实际的企业项目，可以作为我们AI企业项目实战班

我们不需要你全能，只要你在某一个方面特别擅长，即可担任我们的带学导师。

欢迎大家扫客服微信联系我们！

同时欢迎HR联系我们探讨内推、实习等合作！

同步开的课程

我们的三门精品课程也正在开班中，详情请点击底部左下角【阅读原文】了解哦！

福利大放送 

    领取方式

    1）关注“深度之眼”公众号

    2）后台回复：资料，即可领取

PS：我们所收集的所有资源均来自网络，仅供私下交流学习之用，任何涉及到商业目的的均不能使用，所有资源均来自互联网的优秀作者们，版权归原作者或企业所有。