一、课程简介      通过学习本课程，可掌握构建卷积神经网络CNN、构建循环神经网络RNN、长短时间记忆模型LSTM的主要方法和技能，并为后续相关课程学习及将来从事数据挖掘工作奠定基础。 课程介绍深度学习中常用算法的原理以及编程实现，包含图像识别中常用模型卷积神经网络CNN、序列数据处理常用模型循环神经网络RNN、长短时间记忆模型LSTM。课程设计思路以应用为导向，让学员明确所学知识是如何解决问题的，通过教授和练习巩固所学知识，使学生真正理解并能够应用所学知识。最后结合实训内容巩固前面学习的知识。   二、配套教材       关于课程的相关教材，可以点击注册登录云教材，进行搜索下载你所需的教材相关的PPT、教案、教学进度表等资源包，丰富你的课堂体验。

❀❀❀本项目已完成交付❀❀❀ 交付单位：云南工商学院，中国人民警察大学，广州卫生职业技术学院，华南农业大学，广东财经大学，广州番禺职业技术学院   ▣ 工作内容 基于提供的视频，使用剪映等工具制作视频字幕(使用剪映可以自动生成字幕，需要做的主要是修改错误的内容，调整断句)。   ▣ 招募要求 1熟悉自然语言、计算机视觉、语音识别相关知识，熟悉这些知识的Python相关操作。 2.责任心强，有耐心且足够细心能够按时、保质、保量完成任务。 3.会用剪映制作字幕者优先   ▣ 工作地点 不限制，支持远程办公。   ▣ 工作时间 2023年6月16日24点前（需严格在这个时间前完成）。   ▣ 兼职收获 学生可获得本公司实习证明！  

一、课程简介       人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别技术将提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。      本案例的主要分析目标如下。      （1）了解一般图像的储存方式，掌握一般图像处理的方法。      （2）理解卷积神经网络各个结构的作用，构建一个人脸识别模型。   二、技术点       图像切割；特征信息；特征信息。   三、建议前置课程 TensorFlow2深度学习实战

一、课程简介       国内某新零售企业成立于2016年，主营业务为新零售智能销售设备投放和运营，经营的商品以食品饮料为主。