讲解方式：
本课程为大家呈现深度学习全貌，从深度学习发展、应用场景、Pytorch深度学习框架到ANN人工神经网络，面面俱到，课程覆盖了图像领域核心CNN算法及文本领域RNN算法，以解决实际需求为导向，案例极其丰富，通过Pytorch深度学习框架完成CNN/RNN实战任务，注重学生的实战能力培养。

课程亮点：
1. 培养学生具备从Pytorch深度学习框架、BP神经网络、CV图像领域核心CNN算法模型到NLP领域核心RNN算法模型搭建能力。
2. 能够结合实际业务搭建基础神经网络结构，解决图像和文本领域核心问题。
3. 选择主流的Pytorch深度学习框架，覆盖张量创建、自动微分、Pytorch模型搭建完整内容。
4. 覆盖核心深度学习基础，不仅有梯度下降及其优化算法，还包括了反向传播、dropout正则化、BN层、激活函数分类及选型等核心基础。
5. 深度学习核心解决CV图像识别问题及NLP自然语言处理问题，该课程以实战为导向，覆盖CV和NLP核心算法，学完即可完成图像分类和文本生成实际案例。
6. 该课程同时作为NLP和CV的基础课，为后续在NLP自然处理领域和CV计算机视觉领域进一步深造打下基础。

学完本课程能够收获：
1.熟练使用Pytorch深度学习框架
2.掌握神经网络基础知识
3.掌握反向传播原理
4.了解深度学习正则化与算法优化
5.利用卷积神经网络（CNN）技术，解决图像分类问题
6.掌握循环神经网络（RNN）技术，解决文本生成问题
7.掌握深度学习核心应用场景及解决问题

培养学生具备从Pytorch深度学习框架、BP神经网络、CV图像领域核心CNN算法到NLP领域核心RNN算法，能够搭建基础神经网络结构，解决图像和文本领域核心问题。