本书较为全面地介绍深度学习模型训练、计算机视觉模型应用、自然语言处理模型应用等技术。全书共9个项目，包括深度学习全连接神经网络应用、深度学习卷积神经网络应用、深度学习模型训练——循环神经网络应用、计算机视觉模型数据准备、计算机视觉模型训练与应用、计算机视觉模型部署、自然语言处理预训练模型数据准备、自然语言处理预训练模型训练与应用、自然语言处理模型部署等。本书以满足企业用人需求为导向、以岗位技能和综合素质培养为核心，通过理论与实战相结合的方式，培养能够根据深度学习项目需求，完成模型训练、模型应用及预训练模型迁移学习等工作的人才。
本书适用于“1+X”证书制度试点工作中的人工智能深度学习工程应用职业技能等级证书（中级）的教学和培训，也适合作为中等职业学校、高等职业学校、应用型本科院校人工智能相关专业的教材，还适合作为需充实深度学习应用开发知识的技术人员的参考用书。

第1篇 深度学习模型训练
项目1 深度学习全连接神经网络应用
项目描述
知识准备
1.1 深度学习分类任务
1.1.1 深度学习分类任务的概念
1.1.2 深度学习分类任务的类型
1.1.3 分类任务与回归任务的区别
1.2 全连接神经网络
1.3 激活函数
1.3.1 Sigmoid()函数
1.3.2 ReLU()函数
1.3.3 Softmax()函数
1.4 交叉熵损失函数
1.5 手写数字识别数据集
1.6 全连接神经网络的训练方法
项目实施通过全连接神经网络识别手写数字
1.7 实施思路
1.8 实施步骤
知识拓展
课后实训
项目2 深度学习卷积神经网络应用
项目描述
知识准备
2.1 卷积神经网络的概念
2.2 卷积层
2.2.1 卷积计算
2.2.2 步长
2.2.3 填充
2.2.4 多通道卷积
2.3 池化层
2.4 如何训练卷积神经网络
项目实施通过卷积神经网络识别手写数字
2.5 实施思路
2.6 实施步骤
知识拓展
课后实训
项目3 深度学习模型训练——循环神经网络应用
项目描述
知识准备
3.1 循环神经网络的常见类型
3.2 循环神经网络的基本结构
3.2.1 输入层
3.2.2 隐藏层
3.2.3 输出层
3.3 简单循环神经网络——SimpleRNN
3.4 循环神经网络的构建与训练方法
……
第2篇 计算机视觉模型应用
第3篇 自然语言处理模型应用