第一次参加百度飞桨课程，总体的感觉非常好。课程安排紧凑，而且每节课程都包含理论和实践，可以边学边动手，加强对深度学习CV领域的理解。后续需要自己总结继续消化一些知识。

• 第一天课程 新冠疫情可视化：

                    理论部分：1、介绍图像识别的基础知识以及面临的挑战   2、介绍了传统的图像识别是如何做的，介绍了传统方法的框架和流程 3、由传统方法转向人工智能的发展     

                     实践部分：利用python 实现疫情可视化，更侧重与python的实践

                     感觉：整体比较全面，而且会结合理论谈一些学者具体的实现，适合小白的学习。

•   第二天课程 手势识别

                      理论部分：1、介绍什么是深度学习以及从神经学上解释图像识别为什么要使用深度学习  2、 如何使用深度学习解决图像识别，深度学习的过程 3、介绍深度学习“三部曲”

                      实践部分： 利用飞桨来搭建基于前馈神经网络的手势识别，类似于手写数字识别

                      感觉：从全连接神经网络简单的例子中可以更清楚深度学习是如何工作，工作的每一步都是干什么，非常容易理解

• 第三天课程 车牌识别

                      理论部分：1、第二天全连接神经网络的存在的问题  2、针对全连接神经网络的问题 卷积神经网络是如何处理的以及卷积神经网络的特性等  3、卷积神经网络搭配使用的Pooling层

                      实践部分：利用卷积神经网络来进行车牌识别，参考LeNet-5

                      感觉：老师理论衔接比较好，让你很容易明白为什么要用卷积神经网络以及它带来哪些好处，又分析LeNet-5，教大家如何复现这个网络

• 第四天课程 口罩分类

                      理论部分：1、介绍卷积神经网络一般结构：提取特征的搭配（卷积层+激活+池化）以及输出层的搭配（多个全连接/特殊CNN） 2、基于分类任务介绍CNN结构发展历程以及经典的                                               CNN网络结构

                      实践部分：复现VGG Net用来进行口罩分类 

                      感觉：老师讲的很清晰，很多经典的CNN结构，并介绍其结构的出发点和优点，受益很多。

在此非常感谢老师的教导以及群友的帮助，期待下一阶段目标检测专题学习。