培訓(xùn)目標(biāo)：

　　1、本次深度學(xué)習(xí)培訓(xùn)采用深入淺出的方法，結(jié)合實(shí)例，重點(diǎn)講解Deep Learning框架模型、科學(xué)算法、訓(xùn)練過程技巧，使學(xué)員更有效的掌握Deep Learning核心技術(shù)及動手能力;

　　2、通過本次課程的學(xué)習(xí)，能夠把握深度學(xué)習(xí)的技術(shù)發(fā)展趨勢，可以熟練掌握深度學(xué)習(xí)核心技術(shù)、主要模型、實(shí)踐技巧、并配以大量代碼練習(xí)，同時針對工作中存在的疑難問題進(jìn)行分析講解和專題討論，有效的提升學(xué)員解決復(fù)雜問題的能力;

　　培訓(xùn)課程：

　　一、深度學(xué)習(xí)Deep Learning基礎(chǔ)和基本思想

　　1，人工智能概述、計算智能、類腦智能

　　3，機(jī)器學(xué)習(xí)概述、記憶學(xué)習(xí)、歸納學(xué)習(xí)、統(tǒng)計學(xué)習(xí)

　　4，深度學(xué)習(xí)的前生今世、發(fā)展趨勢

　　5，人工神經(jīng)網(wǎng)絡(luò)、前饋神經(jīng)網(wǎng)絡(luò)、BP算法 、Hessian矩陣、結(jié)構(gòu)性特征表示

　　二、深度學(xué)習(xí)Deep Learning基本框架結(jié)構(gòu)

　　1，Caffe 2，Tensorflow

　　3，Torch 4，MXNet

　　三，深度學(xué)習(xí)Deep Learning-卷積神經(jīng)網(wǎng)絡(luò)

　　1，CNN卷積神經(jīng)網(wǎng)絡(luò)

　　卷積層(一維卷積、二維卷積)、池化層(均值池化、最大池化)

　　全連接層 激活函數(shù)層 Softmax層

　　2，CNN卷積神經(jīng)網(wǎng)絡(luò)改進(jìn)

　　R-CNN (SPPNET) Fast-R-CNN Faster-R-CNN (YOLO、SSD)

　　3，深度學(xué)習(xí)的模型訓(xùn)練技巧

　　4，梯度下降的優(yōu)化方法詳解

　　四，深度學(xué)習(xí)Deep Learning-循環(huán)神經(jīng)網(wǎng)絡(luò)

　　1， RNN循環(huán)神經(jīng)網(wǎng)絡(luò)

　　梯度計算 BPTT

　　2，RNN循環(huán)神經(jīng)網(wǎng)絡(luò)改進(jìn)

　　LSTM GRU Bi-RNN Attention based RNN

　　3，RNN實(shí)際應(yīng)用 Seq2Seq的原理與實(shí)現(xiàn)

　　五、強(qiáng)化學(xué)習(xí)

　　1，強(qiáng)化學(xué)習(xí)的理論知識

　　2，經(jīng)典模型DQN講解

　　2， AlphaGo原理講解

　　3， RL實(shí)際應(yīng)用;實(shí)現(xiàn)一個AlphaGo

　　六，對抗性生成網(wǎng)絡(luò)

　　1， GAN的理論知識

　　2， GAN經(jīng)典模型CGAN，LAPGAN，DCGAN

　　3，GAN經(jīng)典模型 INFOGAN，WGAN，S2-GAN

　　4，GAN實(shí)際應(yīng)用 DCGAN提高模糊圖片分辨率

　　5，GAN實(shí)際應(yīng)用 InfoGAN做特定的樣本生成

　　七、遷移學(xué)習(xí)

　　1，遷移學(xué)習(xí)的理論概述

　　2，遷移學(xué)習(xí)的常見方法

　　特征、實(shí)例、數(shù)據(jù)、深度遷移、強(qiáng)化遷移、研究案例

　　八、CNN應(yīng)用案例

　　1，CNN與手寫數(shù)字集分類

　　2，YOLO實(shí)現(xiàn)目標(biāo)檢測

　　3，PixelNet原理與實(shí)現(xiàn)

　　4，利用卷積神經(jīng)網(wǎng)絡(luò)做圖像風(fēng)格結(jié)合

　　九、深度學(xué)習(xí)Deep Learning的常用模型或者方法

　　1，AutoEncoder自動編碼器

　　2，Sparse Coding稀疏編碼

　　3，Restricted Boltzmann Machine(RBM)限制波爾茲曼機(jī)

　　4，Deep BeliefNetworks深信度網(wǎng)絡(luò)

　　5，Convolutional Neural Networks卷積神經(jīng)網(wǎng)絡(luò)

　　十、輔助課程

　　(1)疑難解答、分組討論;

　　(2)關(guān)鍵問題解析;