课程非常棒，非常适合大数据处理，强烈推荐！！！
一 缘起
*********************************
经过不断地探索，我们总算快速便捷打通了GEE与深度学习的鸿沟。是的，我们现在可以放心地说一句，“GEE云平台再也很难限制我们使用深度学习技术了！！！”为什么我们如此执着于深度学习技术呢？是因为GEE本身自带的机器学习模型实在是太少、太有限了，导致大家出成果越来越难了。与此同时，正如我们反复强调，GEE的早期红利被逐渐稀释掉了，我们很难再凭借GEE这一平台成为自己论文的创新点了。所以，为了简化创新，或者说为了真正的创新，GEE必须和深度学习牵手，这就是我们坚持的原因。为此，我们把我们走过的路通过这个课程好好地叙述一遍。二 课程内容
*********************************
此次课程，我们大概花5-6次课系列讲解如何在GEE中使用深度学习，主要包括：这部分的内容在于讲解GEE中有关深度学习的影像基础知识，这部分的内容也是最需要补充的，因为这块内容直接涉及到GEE中深度学习模型部署的难点和不同点。
这部分内容重点讲述PyTorch开展深度学习的框架和基础知识；与GEE官方使用的TensorFlow不同，我们这里使用的是PyTorch，更加的方便快捷。
我们将以DNN为切入口，开始讲解如何在GEE上部署深度学习模型。DNN虽简单，但确实GEE深度学习的“果蝇”，学会了DNN模型的部署，对于后续更高层次研究将会有很大帮助。而且DNN的部署非常方便、快捷，尤其是和GEE本身API结合，让人有豁然开朗的感觉~
介绍完DNN模型，我们将花大笔墨讲解CNN模型的使用。已有的一些CNN模型都可以模块化应用到GEE平台，从而无需再反复下载影像数据。效果图如下所示，可以发现使用CNN网络效果较已有的RF等模型要好很多。
我们将会考虑在GEE中部署注意力模块等，让复杂的网络模型也能够应用起来。同时，还会就GEE中使用Deep Learning的论文写作给出一些指导。
*********************************授课老师：GEE学习室老师（具有GEE编程和教学深厚经验）课程形式：课程以 “直播+录播” 形式开展，代码将会分享答疑方式：我们会建立相关的群聊，专为大家答疑解惑，根据情况，等课程完结或开展专门的课程答疑（看大家需要）适用人群：想发表高质量论文和出好成果的学生等，地理学、测绘学、遥感、地理信息系统、机器学习、生态等有关专业均可报名，学有所获*********************************优惠活动：9月9号之前报名，报名优惠减100，并赠送一次基础课程*********************************扫描下方二维码咨询报名；或者已在交流群同学可以直接在微信咨询；或者在本公众号菜单栏“联系我们”选项框找到小编咨询报名
