近年来，以卷积神经网络（CNN）为代表的深度学习技术普遍应用于计算机视觉领域，使手写体识别，图像识别等子任务性能指标革命性提升，人脸识别，车牌识别，图像搜索，医学影像分析等典型应用已经达到工业级别的较精确度，涌现大批有关产品。但卷积神经网络对旋转不耐受，不能识别多物体等毛病也深为行家所诟病。而且我们也坚信，以“梯度下降”为代表的训练算法并非人类神经系统的本质所在，我们的脑袋在作判断的时候，显然不会先计算一下梯度再进行迭代。追求人类大脑式的通用人工智能也是业界所关注的另外一个焦点。去年Hinton提出了新型的胶囊网络，模仿人类神经系统的某种工作方式，号称要将深度学习推倒重来，胶囊网络训练所需要的数据更少，能进行多物体判别，对卷积神经网络的很多问题作出了针对性的改善。这是近年来在深度学习领域最引人入胜的工作，得到AI科学家和从业者的热烈追捧。我们这门课程，将向听众深度剖析此项技术，并在代码级上与大家一起手把手共同探索其应用场景（提供具体代码和数据进行实验），力图将此项技术用最快的速度普及，并应用在实际产品中。
本课程归入《人工智能前沿》系列中。本系列首批课程预计有4-5门课，覆盖深度学习及其在各领域里的前沿应用，强化学习，大一统神经网络框架等多个领域的进展。由于课程的高精尖性质，需要具备一定基础的听众（例如参加过深度学习课程的优异学员，参加地面特训营的学员等）才适合参加，初学者免进。课程也采取比炼数成金其它课程更高的收费，以体现知识的价值。所有课程资料均采用加密形式传播，闲人勿扰。
课程大纲：
第1课 深度剖析卷积神经网络（CNN）。CNN为什么特别适合解决图像识别等计算机视觉类问题？CNN的弱点。
第2课 深度学习推倒重来：Hinton提出取代CNN的新神器胶囊网络（CapsNet）：思想源起；CapsNet的神经科学背景；算法深度剖析。CapsNet与CNN相比有哪些优胜之处？
第3课 CapsNet代码实战1：自己动手实现胶囊网络，解决手写体数字的识别问题
第4课 CapsNet代码实战2：自己动手实现交通标志的胶囊网络识别
第5课 CapsNet应用场景展望。CapsNet进展。深度学习及其在计算机视觉中应用的发展新趋势。
授课时间：
课程将于2018年3月3日开课，每1-2周1次课，课程持续时间大约为8周
授课对象：
对深度学习，计算机视觉感兴趣者，用到有关技术的设计师，研究者，爱好者，以及希望使用深度学习提升产品体验的各行各业的有关人员。学习者需要在深度学习，机器学习等领域有一定的了解（对于不熟悉这些领域的朋友，可在课前观看老师发放的约3小时深度学习入门视频，掌握基本的深度学习技术），熟悉python。
收获预期：
熟悉胶囊网络的相关技术，能自行应用到具有商业价值的场景
授课讲师：
黄志洪（tigerfish），数据库专家，数据分析专家，有丰富的IT领域、数学领域的知识经验。知名数据库网站ITPUB创始人，知名数据分析网站炼数成金创始人。ITPUB在其十几年历史中为中国IT业特别是数据库行业输送了大量人才，其中不乏今天在行业里叱咤风云的佼佼者，因此被誉为数据库业的黄埔军校。后来创建炼数成金，言传身教，亲自讲授大数据，数据库，数据分析，人工智能等方面的几十门课程，本身也在华南著名学府中山大学任教多年，桃李满天下。引领无数弟子进入业界，朋友圈遍及业界重要人士，广受尊重。
