呕心沥血了大半年，《深度有趣》人工智能实战项目合集，终于完工上线了！
《全栈》课程（https://study.163.com/course/courseMain.htm?courseId=1003520028）获得好评之后，我一直打算再出一门课。
大方向和人工智能相关，但具体内容做什么考虑了很久。
理论部分已经有很多神级大佬的工作，例如吴恩达老师的深度学习微专业课（https://mooc.study.163.com/smartSpec/detail/1001319001.htm），所以不在这块花重复力气。
一个更好的选择是主打实战，讲解和人工智能相关的各领域实战项目。
但又不仅仅是实战，因为对项目所涉及的原理和模型也会加以讨论和深入。
我把这门课命名为《深度有趣》，因为有趣才乐于钻研，因为钻研才深度有趣。
《深度有趣》使用 Python3、TensorFlow1.9 和 Keras2.2，课程特点概括为三句话：
为什么是精彩绝伦的实战项目合集？《深度有趣》包括了 30 多个实战项目，涵盖计算机视觉、自然语言处理、强化学习、生成式对抗网络等多个方面。
为什么是匠心打造、诚意出品？《深度有趣》每节课涉及的文档、数据、代码都经过了精心整理和反复校对，182 页的课程说明文档使用 Latex 编写，只为追求更好的排版效果。
最后是开源！开源！开源！重要的事情说三遍！《深度有趣》涉及的所有文档、数据、代码，全部开源：
如果觉得《深度有趣》不错，可以通过购买配套的视频课程支持我。
视频课程提供了对每一课内容的详细讲解，包括深入的原理讨论、逐行的代码解读和完整的操作演示等，让你更快、更好、更轻松、更全面地掌握每一个项目。
视频课程挂在网易云课堂上，https://study.163.com/course/courseMain.htm?courseId=1004777011，原价 499，截止至 9 月 14 号，七天限时优惠 399 中。
《深度有趣》目前准备了 30 课，但学无止境，以后还会继续出第二季、第三季。
快速地看一看，课程包括了哪些实战项目。
高端又一般的词云（这个和人工智能没啥关系，只是单纯地想找个地方讲一下词云）。
图像风格迁移，让普通照片具备艺术作品风格。
自编码器实现图片去噪。
变分自编码器学习数字的隐层表示。
DCGAN 生成手写数字。
DCGAN 生成人脸图片。
InceptionV3 实现图片分类。
LSTM 预测时序数据。
通过 TensorFlow 进行物体检测。
一起来动动手，实现手部检测器。
基于 Skip-Gram 训练词向量并应用。
使用 Dlib 完成多项图片处理任务。
通过双向 LSTM 和全卷积网络分别训练中文分词模型。
WGAN 改善图片生成的质量。
使用 CGAN 和 ACGAN 控制生成人脸的性别。
生成金发红眼双马尾的二次元萌妹子。
pix2pix 配对图片翻译和黑白图片上色。
CycleGAN 实现非配对图像翻译。
DQN 强化学习玩 Flappy Bird。
DreamDream 眼中的奇异风格图片。
歌词和古诗自动生成。
判断两句话是否是同一个意思。
根据图像自动生成标题。
训练基于注意力机制的翻译模型。
定位服饰中的关键点。
WaveNet 实现语音识别和方言分类。
快速图像风格迁移，将普通照片快速转换为多种艺术风格。
学习《深度有趣》之前，推荐先按需了解一些前置课程：
如果还不会 Python，那么第一门课自然是必须的；后两门课非必须，但对于巩固理论基础、提升编程能力都颇有裨益，建议有时间也学习一遍。
大半年努力的成果，献给每一个有趣的灵魂。
这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.