2020深度之眼全球AI比赛实战训练营, 人工智能的比赛是很考验实际实践能力的,学会初级到高级AI大赛的实践方法与流程，能够清晰比赛过程中如何去尝试提升排名/分数。并将其学会的知识应用于新比赛中。由怀明老师主讲，课程分为基于卷积神经网络的表情识别(CV方向)、Kaggle：房价预测、Kaggle：预测未来销售，分为6周课程，文件大小共计4.3G。作为学生来说你没有工作经验的时候，一定要多参加比赛，去锻炼自己的专业知识和综合能力，另外也能为在毕业找工作的时候丰富自己的简历，如果你有这方面的打算，那就开始学习本套课程吧。
为什么要学习本套课程：
1、获得正确的打比赛的方法；
2、获得打比赛的技巧、经验和基础知识；
3、洞悉比赛完整的提升方法、思路；
4、为简历和面试添砖加瓦；
5、完成0-1的构建，举一反三，自主可以参加更多符合自己需求的比赛。
课程目录：
开营仪式回放——老师部分
开营仪式回放—班主任部分
【科赛网：基于卷积神经网络的表情识别】（CV方向）第一周——比赛思路课
【科赛网：基于卷积神经网络的表情识别】（CV方向）第一周——卷积的基础知识和常用模型
【科赛网：基于卷积神经网络的表情识别】（CV方向）第一周——赛前介绍和准备
【科赛网：基于卷积神经网络的表情识别】（CV方向）第一周——Google Colab
【科赛网：基于卷积神经网络的表情识别】（CV方向）第一周——TensorflowKeras和OpenCV
【科赛网：基于卷积神经网络的表情识别】（CV方向）第二周——构建基础baseline模型
【科赛网：基于卷积神经网络的表情识别】（CV方向）第二周——数据准备和增强
【Kaggle：房价预测】第一周第二节课——账号注册以及本地化jupyter notebook
【Kaggle：房价预测】第一周第三节课——赛题思路分析
【Kaggle：房价预测】第一周第四课——数据清洗以及数据处理
【Kaggle：房价预测】第一周第一节课——kaggle账号注册与竞赛入门,
【Kaggle：房价预测】第二周第二节课——特征工程知识部分讲解
【Kaggle：房价预测】第二周第三节课——特征工程对baseline的提高
【Kaggle：房价预测】第二周第四节课——模型集成原理与实践
【Kaggle：房价预测】第二周第一节课——构建baseline
【Kaggle：预测未来销售】第一周第二节课——特征工程以及构建baseline
【Kaggle：预测未来销售】第一周第一节课——赛题解读以及数据下载导入、赛题的理解分析
【Kaggle：预测未来销售】第二周第二节课——特征工程的数据预处理对排名的提升（2）
【Kaggle：预测未来销售】第二周第三节课——模型的选择以及数据归一化对结果的影响
【Kaggle：预测未来销售】第二周第一节课——特征工程的数据预处理对排名的提升（1）
