fast.ai深度学习实战课程

大数据文摘普及数据思维，传播数据文化，助力产业发展。

课程目录
课程介绍

课时1:课程学习指南
课时2:术语总表（完整版）
课时3:1.1 总体课程简介及自我介绍
课时4:1.2 第1课简介及Jupyter平台介绍
课时5:1.3 数据处理及相关函数介绍
课时6:1.4 Q&A(1)
课时7:1.5 resnet34模型训练
课时8:1.6 使用fastai库的优势及反馈
课时9:1.7 一些成功案例及论坛的使用介绍
课时10:1.8 Q&A(2)及模型训练结果
课时11:1.9 模型优化及相关函数介绍
课时12:1.10 Resnet50模型简介
课时13:1.11 其他数据格式介绍
课时14:1.12 Q&A(3)
课时15:Note（PDF版本）
课时16:实战案例 Lesson1_pets（PDF版本）
课时17:课程笔记（PDF版本）
课时18:2.1 项目赏析
课时19:2.2 利用谷歌创建数据集
课时20:2.3 查看并训练数据集
课时21:2.4 数据清洗
课时22:2.5 利用产品训练你的模型
课时23:2.6 学习率和轮次
课时24:2.7 创建一个简单的线性模型（1）
课时25:2.8 创建一个简单的线性模型（2）
课时26:2.9 创建一个简单的线性模型（3）
课时27:2.10 创建一个简单的线性模型（4）
课时28:2.11 创建一个简单的线性模型（5）
课时29:2.12 小总结
课时30:Note（PDF版本）
课时31:实战案例 Lesson 2_download（PDF版本）
课时32:实战案例 Lesson 2_sgd（PDF版本）
课时33:课程笔记
课时34:3.1 学员应用fastai制作的小工具
课时35:3.2 下载并解压项目所需的数据集
课时36:3.3 使用data block api来读取数据集
课时37:3.4 使用数据增强完成卫星图像分类任务
课时38:3.5 Q&A(1)，通过微调和增大像素来提升准确率
课时39:3.6 图像分割简介，Q&A(2)
课时40:3.7 使用fastai完成CamVid的图像分割，Q&A(3)
课时41:3.8 U-Net简介，学习率的选择
课时42:3.9 使用U-Net来完成图像分割，头部姿势检测
课时43:3.10 使用fastai对IMDB电影评论分类
课时44:3.11 Q&A(4)，总结
课时45:Note（PDF版本）
课时46:实战案例 Lesson 3_camvid_tiramisu（PDF版本）
课时47:实战案例 Lesson3_camvid（PDF版本）
课时48:实战案例 Lesson3_imdb（PDF版本）
课时49:实战案例 Lesson3_planet（PDF版本）
课时50:实战案例 Lesson3_head_pose（PDF版本）
课时51:课程笔记
课时52:4.1 NLP的迁移学习
课时53:4.2 使用fastai对IMDB电影评论进行分类
课时54:4.3 Q&A(1&2)，表格数据简介
课时55:4.4 Q&A(3)，使用fastai分析表格数据
课时56:4.5 协同过滤简介，Q&A(4)
课时57:4.6 在Excel中实现电影推荐
课时58:4.7 协同过滤在fastai库中实现的源码
课时59:4.8 Q&A(5)，神经网络各层的运算
课时60:Note（PDF版本）
课时61:实战案例 Lesson4_collab（PDF版本）
课时62:实战案例 Lesson4_tabular（PDF版本）
课时63:课程笔记
课时64:5.1 反向传播与微调
课时65:5.2 协同过滤Excel版和嵌入
课时66:5.3 嵌入与偏差
课时67:5.4 协同过滤notebook版和偏差
课时68:5.5 权值、collab_learner、嵌入
课时69:5.6 权值衰减、随机梯度下降SGD
课时70:5.7 真实数据集MNIST的SGD
课时71:5.8 使用MNIST的神经网络、Adam
课时72:5.9 Momentum动量法和RMSProp
课时73:5.10 fit_one_cycle和tabular模型
课时74:Note（PDF版本）
课时75:实战案例Lesson5_sgd_mnist（PDF版本）
课时76:课程笔记
课时77:6.1 图片数据自动标注
课时78:6.2 数据集数据预处理 data()函数
课时79:6.3 doc()函数损失函数
课时80:6.4 模型 dropout
课时81:6.5 网络结构 BatchNorm
课时82:6.6 数据增广
课时83:6.7 卷积运算
课时84:6.8 卷积核
课时85:6.9 卷积网络手动卷积
课时86:6.10 卷积热力图
课时87:6.11 AI道德
课时88:6.12 如何应对
课时89:Note（PDF版本）
课时90:实战案例 Lesson6_rossmann（PDF版本）
课时91:实战案例 Lesson6_pets_more（PDF版本）
课时92:课程笔记
课时93:7.1 LESSON7简介与已上架的FASTAI相关APP应用
课时94:7.2 使用MNIST数据集构造基于CNN的数字检测器
课时95:7.3 RESNET原理、使用RESNET构建的数字检测器
课时96:7.4 U-NET原理、代码讲解、应用简介
课时97:7.5 Q&A(1)
课时98:7.6 使用U-NET进行图像复原
课时99:7.7 GAN介绍，判别器代码讲解
课时100:7.8 基于GANLearner进行图像复原
课时101:7.9 Q&A(2)
课时102:7.10 WGAN应用、使用perceptual loss修复图像
课时103:7.11 其它图像应用--黑白转彩色
课时104:7.12 Q&A(3)
课时105:7.13 课程回顾、RNN介绍、文本预测示例
课时106:7.14 多label输出、引入GRU单元与RNN其它应用
课时107:7.15 学习建议与第二部分课程介绍
课时108:7.16 Q&A(4)
课时109:Note（PDF版本）
课时110:实战案例 Lesson7_resnet_mnist（PDF版本）
课时111:实战案例 Lesson7_superres_gan（PDF版本）
课时112:实战案例 Lesson7_super resolution（PDF版本）
课时113:实战案例 Lesson7_superres_imagenet（PDF版本）
课时114:实战案例 Lesson7_human_numbers（PDF版本）
课时115:实战案例 Lesson7_wgan（PDF版本）
课时116:课程笔记

课程概述

本课程英文版本由fast.ai制作并免费发布(https://www.fast.ai/)。大数据文摘（微信订阅号ID：BigDataDigest）获得fast.ai授权，将视频、Note和Jupyter Notebook进行翻译并免费发布。

本课程无需数学与理论先序知识，对仅有少量开发基础的学习者非常友好。课程以案例为驱动，包含大量工业级的实现与调优技巧，帮助学习者掌握AI场景的建模与调优方法，拒绝toy project，直接实现产品级的应用。

另外，「fast.ai配套实训课」也同步上线~ 供你亲自跑代码！19个工业级别真实案例+GPU资源+完整代码，你值得拥有~
详情请见：http://www.bigdatadigest.cn/#/mobileCourseDetail?course_id=30

fast.ai深度学习实战课程

课时1:课程学习指南

课时2:术语总表（完整版）

课时3:1.1 总体课程简介及自我介绍

课时4:1.2 第1课简介及Jupyter平台介绍

课时5:1.3 数据处理及相关函数介绍

课时6:1.4 Q&A(1)

课时7:1.5 resnet34模型训练

课时8:1.6 使用fastai库的优势及反馈

课时9:1.7 一些成功案例及论坛的使用介绍

课时10:1.8 Q&A(2)及模型训练结果

课时11:1.9 模型优化及相关函数介绍

课时12:1.10 Resnet50模型简介

课时13:1.11 其他数据格式介绍

课时14:1.12 Q&A(3)

课时15:Note（PDF版本）

课时16:实战案例 Lesson1_pets（PDF版本）

课时17:课程笔记（PDF版本）

课时18:2.1 项目赏析

课时19:2.2 利用谷歌创建数据集

课时20:2.3 查看并训练数据集

课时21:2.4 数据清洗

课时22:2.5 利用产品训练你的模型

课时23:2.6 学习率和轮次

课时24:2.7 创建一个简单的线性模型（1）

课时25:2.8 创建一个简单的线性模型（2）

课时26:2.9 创建一个简单的线性模型（3）

课时27:2.10 创建一个简单的线性模型（4）

课时28:2.11 创建一个简单的线性模型（5）

课时29:2.12 小总结

课时30:Note（PDF版本）

课时31:实战案例 Lesson 2_download（PDF版本）

课时32:实战案例 Lesson 2_sgd（PDF版本）

课时33:课程笔记

课时34:3.1 学员应用fastai制作的小工具

课时35:3.2 下载并解压项目所需的数据集

课时36:3.3 使用data block api来读取数据集

课时37:3.4 使用数据增强完成卫星图像分类任务

课时38:3.5 Q&A(1)，通过微调和增大像素来提升准确率

课时39:3.6 图像分割简介，Q&A(2)

课时40:3.7 使用fastai完成CamVid的图像分割，Q&A(3)

课时41:3.8 U-Net简介，学习率的选择

课时42:3.9 使用U-Net来完成图像分割，头部姿势检测

课时43:3.10 使用fastai对IMDB电影评论分类

课时44:3.11 Q&A(4)，总结

课时45:Note（PDF版本）

课时46:实战案例 Lesson 3_camvid_tiramisu（PDF版本）

课时47:实战案例 Lesson3_camvid（PDF版本）

课时48:实战案例 Lesson3_imdb（PDF版本）

课时49:实战案例 Lesson3_planet（PDF版本）

课时50:实战案例 Lesson3_head_pose（PDF版本）

课时51:课程笔记

课时52:4.1 NLP的迁移学习

课时53:4.2 使用fastai对IMDB电影评论进行分类

课时54:4.3 Q&A(1&2)，表格数据简介

课时55:4.4 Q&A(3)，使用fastai分析表格数据

课时56:4.5 协同过滤简介，Q&A(4)

课时57:4.6 在Excel中实现电影推荐

课时58:4.7 协同过滤在fastai库中实现的源码

课时59:4.8 Q&A(5)，神经网络各层的运算

课时60:Note（PDF版本）

课时61:实战案例 Lesson4_collab（PDF版本）

课时62:实战案例 Lesson4_tabular（PDF版本）

课时63:课程笔记

课时64:5.1 反向传播与微调

课时65:5.2 协同过滤Excel版和嵌入

课时66:5.3 嵌入与偏差

课时67:5.4 协同过滤notebook版和偏差

课时68:5.5 权值、collab_learner、嵌入

课时69:5.6 权值衰减、随机梯度下降SGD

课时70:5.7 真实数据集MNIST的SGD

课时71:5.8 使用MNIST的神经网络、Adam

课时72:5.9 Momentum动量法和RMSProp

课时73:5.10 fit_one_cycle和tabular模型

课时74:Note（PDF版本）

课时75:实战案例Lesson5_sgd_mnist（PDF版本）

课时76:课程笔记

课时77:6.1 图片数据自动标注

课时78:6.2 数据集 数据预处理 data()函数

课时79:6.3 doc()函数 损失函数

课时78:6.2 数据集数据预处理 data()函数

课时79:6.3 doc()函数损失函数

课时85:6.9 卷积网络手动卷积