日程

培訓模塊

培訓內容

?

第一天

計算機視覺中的目前最先進的算法

—卷積神經網絡

●??卷積神經網絡的架構設計思路與技術原理詳細介紹：

1.?LetNet

2.?AlexNet

3.?VGGNet：vgg16和vgg19

4.GoogleNet：Inception v1-v4

5.ResNet：50層，110層和1001層ResNet

6.DenseNet

●??卷積層和池化層原理與工業(yè)界實際應用中設計技巧；

●??卷積神經網絡在實際應用中性能提升方法和技巧介紹：網絡深度，卷積核大小，學習率，激活函數，圖片處理與數據增強等

?

?

第一天

?

智慧城市中，基于深度學習的人臉識別項目的“道”與“術”：

●?人臉識別的十個關鍵技術組成及原理：

???人臉檢測

???人臉配準

???人臉屬性識別

???人臉特征提取

???。。。。。

●??人臉識別在項目落地中的應用與挑戰(zhàn)

●?人臉識別算法中三大主要模塊

●?深度學習算法在人臉識別中的應用

第一天

一種全新的富有吸引力的人工智能架構

—膠囊網絡

●??卷積神經網絡的缺點和癥結，以及可能導致安全缺口

●??膠囊網絡的起源和概念：為什么要拋棄反向傳播

●??膠囊網絡的設計架構細節(jié)解析：Capsule?層和Dynamic Routing?算法

●??膠囊網絡的訓練技巧解析：squashing function和最優(yōu)化

●??手把手教實戰(zhàn)：膠囊網絡在實際工業(yè)的應用，以及實際應用中提高準確度技巧詳解

第二天

自然語言處理（NLP）中的深度學習

●??詞向量的表達形式和詞嵌入方式的分析與介紹;

●??Airbnb（愛彼迎公司）推薦系統(tǒng)與近似搜索背后的秘密—Word2Vec；

●??循環(huán)神經網絡的架構設計思路詳解與5種不同網絡拓撲結構在不同領域中的實際應用：

1.情感識別分析；

2.短視頻理解與字母生成；

3.機器翻譯；

4.聊天機器人；

5.閱讀理解與完型填空；

●??Seq2Seq的模型架構介紹和在實際NLP中的應用地位；

●??手把手教實戰(zhàn)：用基于Seq2Seq實現(xiàn)機器翻譯

?

第二天

Google翻譯背后的深度學習模型—替代RNN的“變形金剛”Transformer：

●??循環(huán)神經網絡的幾大‘罪狀’

●??Transformer網絡架構設計與技術原理詳細介紹：Residual connection，Mask結構與Positional encoding結構

●??Advanced Attention機制的設計思路和原理：自注意力機制，點乘注意力機制與多頭注意力機制

●??Transformer網絡訓練最優(yōu)化問題

●??手把手教實戰(zhàn)：Transformer的實現(xiàn)與實際工業(yè)應用

第二天

機器學習中的“道”與“術”—論機器學習在工業(yè)界實踐與大規(guī)模行業(yè)應用

●??機器學習之“道”的詳解：Bias and Various trade-off，?Ensemble模型為什么會提高5%的精度，Xgboost屢試不爽背后的秘密

●??機器學習之“術”的介紹：實際工作中如何避免Overfitting和Underfitting, Ensemble如何組合會達到最大的效果，Xgboost在實際項目中的應用，隨機森林與深度學習的完美結合

●??手把手教實戰(zhàn)：機器學習股票價格預測初級，高級實戰(zhàn)

第三天

深度學習在Google、BAT等互聯(lián)網巨頭公司中的實際應用——廣告點擊率預估（CTR預估）

●??廣告點擊率預估的重要性，廣告點擊率預估的商業(yè)價值;

●??早期Google、BAT等互聯(lián)網巨頭公司中廣告點擊率預估的實踐方法與經驗詳解介紹；

●??深度學習在Google、BAT等互聯(lián)網巨頭公司中實際應用模型架構設計原理與設計思路：

1.?Wide & Deep Learning;

2.?Deep Learning over Multi-field categorical data: FNN and SNN;

3.?Product-based Neural Networks: PNN;

4.?DeepFM;

5.?Neural Factorization Machine（NFM）

6.?Attentional Factorization Machine（AFM）

第三天

未來強人工智能（AGI）方向—遷移學習（transferlearning），生成對抗網絡（GAN）和深度強化學習（Deep Reinforcement Learning）：

●??遷移學習的基本概念和各種應用場景；

●??深度遷移學習（transferlearningindeeplearning）與多任務學習（multi-tasklearning）：

●??深度遷移學習在工業(yè)界的大規(guī)模應用；

●??GAN的網絡結構設計與原理解析；

●??AlphaGo架構設計與原理解析；

●??AlphaGo的現(xiàn)實意義和未來強人工智能的走向

●??揭開Google的AutoML的神秘面紗：自動機器學習的架構搜索初探和工程實踐

?

本提綱只是一個初始版本，為了課程需要，中間細節(jié)內容可能略微調整。授課時預留一些時間給學員答疑解惑，每天的課程會留出來一些時間給學員做總結和答疑階段，為了學員能更好的學以致用，建議學員帶著自己實際項目或者之前學習過程中的問題去聽課，授課過程中積極與講師互動，來解決之前的困惑。