从最新一次的 ImageNet 大赛（ILSVRC）的结果，机器的视觉已经超过人类的视觉，基于深度学习的机器认知能力超过人类似乎指日可待。深度学习在对 IT 基础设施和 IT 计算能力有很高要求，而公有云平台降低了深度学习运行的门槛，使得更多的人可以便捷的使用云平台强大的计算能力来完成深度学习相关的计算。
微软的公有云Azure针对现有流行的深度学习框架提供了强大的支持，为 Cognitive Toolkit，TensorFlow 以及 Caffe 等业界主流的深度学习框架提供了虚拟机模板和预配置的环境。
同时微软研究院在深度神经网络及其应用领域一直处于领先的地位，并提供了一系列算法和工具不断促进性能的提升。数据科学家们可以快速的利用这些资源进行深度学习相关的研究、开发和应用。
本部分内容讲围绕微软最新的深度研究方向以及深度学习在业界使用的场景，介绍深度学习网络的基本概念和应用在语音、视觉、视频、图像等领域的最佳实践，同时为大家带来一系列实际应用案例的解析。
- 01 | 深度学习概览
- 02 | 深度神经网络简介及模糊神经网络FNN
- 03 | 卷积神经网络CNN
- 04 | 循环神经网络RNN
- 05 | 深度神经网络在语音中的应用
- 06 | 深度视频分析与理解
- 07 | 深度学习在计算机图形学中的结合与运用
- 08 | 强化学习DRL简介
- 09 | Azure GPU助力基于TensorFlow的深度学习及才云实践分享
- 10 | Cognitive Toolkit框架以及Azure上DSVM虚拟机模板
- 11 | 最佳实践：基于Azure和Caffe 框架的深度学习
- 12 | Apache Spark 微软机器学习
- 13 | 人工智能技术在医疗健康问答系统中的应用案例解析
- 14 | 微软识花案例解析
- 15 | Microsoft Pix 案例解析
无
无