第一天

第1講：機器學(xué)習(xí)簡介及PyTorch基礎(chǔ)

1.?????機器學(xué)習(xí)簡介

2.?????Python及其機器學(xué)習(xí)、深度學(xué)習(xí)工具棧

3.?????機器學(xué)習(xí)應(yīng)用案例（分類、回歸、聚類等）

4.?????PyTorch簡介

5.?????PyTorch基礎(chǔ)概念之Tensor

6.?????PyTorch基礎(chǔ)概念之autograd

7.?????TensorBoard與visdom簡介

第2講：深度神經(jīng)網(wǎng)絡(luò)與PyTorch

1.??深度學(xué)習(xí)簡介

2.??PyTorch的神經(jīng)網(wǎng)絡(luò)工具箱

3.??邏輯回歸及其PyTorch實現(xiàn)

4.??感知器及其PyTorch實現(xiàn)

5.??前饋神經(jīng)網(wǎng)絡(luò)與反向傳播算法

6.??PyTorch與個性化數(shù)據(jù)集

7.??深度學(xué)習(xí)訓(xùn)練技巧

8.??案例：

????8.1?手寫數(shù)字識別

?8.2?物品識別

?8.3 CIFAR-10圖像分類

?8.4?使用神經(jīng)網(wǎng)絡(luò)進行房價預(yù)測

第二天

第3講：卷積神經(jīng)網(wǎng)絡(luò)及其PyTorch實現(xiàn)

1.??卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)

2.??PyTorch中的卷積神經(jīng)網(wǎng)絡(luò)

2.1?卷積操作

2.2?功能操作（激活函數(shù)、池化操作等）

2.3?卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

3.??幾種經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)

3.1 LeNet-5

3.2 AlexNet

3.3 VGG

3.4 GoogleNet

3.5 ResNet

4.?卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用案例及其PyTorch實現(xiàn)

4.1?新聞文本分類案例解析

4.2?圖像分類案例解析

4.3?風(fēng)格遷移案例解析

第4講：循環(huán)神經(jīng)網(wǎng)絡(luò)及其PyTorch實現(xiàn)

1.??循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）基本概念

2.??基礎(chǔ)RNN及其PyTorch實現(xiàn)

3.??循環(huán)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

4.??循環(huán)神經(jīng)網(wǎng)絡(luò)的變體

4.1 LSTM

4.2 GRU

5.??循環(huán)神經(jīng)網(wǎng)絡(luò)應(yīng)用案例

5.1?自然語言處理之詞嵌入

5.2?機器翻譯

第三天

第5講：生成式深度學(xué)習(xí)與深度強化學(xué)習(xí)及其PyTorch實現(xiàn)

1.??生成式深度學(xué)習(xí)簡介

2.??自編碼器

2.1?棧式自編碼器的PyTorch實現(xiàn)

2.2?降噪自編碼器的PyTorch實現(xiàn)

2.3?稀疏自編碼器的PyTorch實現(xiàn)

2.4?變分自編碼器的PyTorch實現(xiàn)

3.??案例：利用變分自編碼器進行圖像生成

4.??生成對抗網(wǎng)絡(luò)（GANs）基礎(chǔ)及其PyTorch實現(xiàn)

5.??常見的生成對抗網(wǎng)絡(luò)架構(gòu)

????5.1 DCGAN

????5.2 CGAN

????5.3 CycleGAN

6.??生成對抗網(wǎng)絡(luò)應(yīng)用案例

6.1?卡通頭像生成案例解析

6.2?圖像補全案例解析

6.3?自然語言處理中的生成對抗網(wǎng)絡(luò)應(yīng)用

7.??深度學(xué)習(xí)與強化學(xué)習(xí)

8.??案例：利用深度Q-Learning進行吃豆人游戲

第6講：更多深度學(xué)習(xí)主題及案例

1.??使用深度學(xué)習(xí)解決計算機視覺問題

2.??目標檢測與語義分割

3.??案例：利用深度學(xué)習(xí)進行肺炎自動分割

4.??案例：利用深度學(xué)習(xí)進行鋼材缺陷檢測

5.??案例：利用LSTM進行文本生成

6.??案例：深度夢境（DeepDream）的PyTorch實現(xiàn)

7.??PyTorch調(diào)試最佳實踐

8.??深度學(xué)習(xí)的分布式訓(xùn)練