課程目標：
?
通過學習，了解機器學習、深度學習的一般概念；了解機器學習、深度學習的歷史、基本理論，典型模型，常用算法；了解機器學習及深度學習的開發流程，涉及到到的工具，平臺，調試方法等，了解深度學習的基本框架結構，caffe、tensorflow，keras等。并了解一些前沿技術發展變化趨勢。
?
課程收益：
?
1.?掌握深度學習運行環境搭建；
2.?掌握深度模型訓練和優化流程；
3.?熟知深度學習模型結構；
4.?在開源平臺訓練進行實戰體驗；
5.?掌握算法移植到定制芯片的整個流程。
?
授課方式
?
講師講解、互動答疑、上機實踐
?
課程大綱：
?
主題 內容
深度學習Deep Learning基礎和基本思想 1、?人工智能概述、計算智能、類腦智能
2、?機器學習概述、記憶學習、歸納學習、統計學習
3、?深度學習的前生今世、發展趨勢
4、?人工神經網絡、前饋神經網絡、BP算法 、Hessian矩陣、結構性特征表示
深度學習Deep Learning基本框架結構 1.?Caffe介紹
a)?軟件架構
b)?安裝以及使用方法
2.?Tensorflow介紹
a)?軟件架構
b)?安裝以及使用方法
3.?Keras介紹
a)?軟件架構
b)?安裝以及使用方法
4.?虛擬機安裝以及使用
機器學習概要介紹
? 1.?分類分析算法介紹
a)?貝葉斯概率
b)?決策樹算法族
c)?隨機森林
d)?支持向量機
2.?回歸算法介紹
a)?多元線性回歸
b)?邏輯回歸
3.?聚類分析算法介紹
a)?K-means聚類
b)?層次聚類
4． 上機實戰
深度學習介紹 1.?神經網絡目的
2.?神經網絡的應用場景
3.?神經網絡算法介紹
a)?感知機
b)?反向傳播算法
4.?深度學習算法介紹
a)?隨機梯度下降算法
b)?過擬合與欠擬合
c)?卷積神經網絡
d)?自動編碼器
e)?稀疏編碼
f)?限制波爾茲曼機
g)?循環神經網絡以及LSTM
5.?應用介紹
a)?人臉識別
b)?風格轉換
c)?目標檢測
6.?常見模型結構介紹
a)?Alexnet
b)?VGG
c)?Resnet
d)?GoogleNet
e)?SqueezeNet
f)?FCN
7.?上機實戰
前沿技術介紹 1.?強化學習
a)?強化學習的理論知識
b)?經典模型DQN講解
c)?AlphaGo原理講解
2.?對抗性生成網絡
d)?GAN的理論知識 ??
e)?GAN經典模型CGAN，LAPGAN，DCGAN
f)?GAN實際應用
3.?遷移學習
g)?遷移學習的理論概述
h)?遷移學習的常見方法
4.?上機實戰
算法移植介紹及討論 1．?算法單元介紹
a)?卷積
b)?Pooling
c)?激活函數
d)?數據結構
2．?移植問題討論
