深度学习算法 第四期

预习阶段 夯实DL数学基础

夯实概率统计与线代

  • 知识点1:必要的微积分、概率统计基础
  • 知识点2:必要的矩阵、凸优化基础
  • 实战项目:numpy与高效计算

第一阶段 深度学习从零入门

第1课 DNN与混合网络:google Wide&Deep

  • 知识点1:多分类softmax与交叉熵损失
  • 知识点2:人工神经网络与BP+SGD优化
  • 实战项目:数据非线性切分+google wide&deep 模型实现分类

第二阶段 透彻理解CNN

第2课 CNN从入门到高级应用(上)

  • 知识点1:CNN结构详解
  • 知识点2:CNN发展史与主要优化点(从AlexNet到DenseNet)
  • 实战项目:Keras搭建CNN完成图像分类示例

第3课 CNN从入门到高级应用(下)

  • 知识点1:从图像分类到物体检测应用
  • 知识点2:rcnn/fast-rcnn/faster-rcnn/YOLO/SSD
  • 实战项目:使用tensorflow的object detection API完成物体检测

第三阶段 CNN延伸:深度学习框架与高级应用

第4课 NN框架:caffe, tensorflow与pytorch

  • 知识点1:Caffe的便捷图像应用
  • 知识点2:TensorFlow与搭积木一样方便的Keras
  • 知识点3:facebook的新秀pytorch
  • 实战项目:用几大框架完成DNN与CNN网络搭建与分类

第8课 生成对抗网络GAN

  • 知识点1:无监督学习与图像生成
  • 知识点2:生成对抗网络与原理
  • 实战项目:DCGAN图像生成

第四阶段 掌握自然语言处理中的神经网络

第5课 从词向量到NLP分类问题

  • 知识点1:BOW、TF-IDF、word2vec
  • 知识点2:自然语言处理分类问题
  • 实战项目:用CNN完成文本分类

第6课 RNN/LSTM/Grid LSTM

  • 知识点1:序列数据与循环神经网络
  • 知识点2:RNN/LSTM/Grid LSTM
  • 实战项目:RNN文本分类

第7课 RNN条件生成与attention

  • 知识点1:RNN条件生成与attention
  • 知识点2:“看图说话”原理
  • 实战项目:google神经网络翻译系统

第五阶段 迁移学习与增强学习

第9课 增强学习与Deep Q Network

  • 知识点1:马尔科夫决策过程
  • 知识点2:价值函数与策略评价、学习
  • 知识点3:Deep Q network
  • 实战项目:用Tensorflow搭建Deep Q learning玩Flappy bird

第10课 迁移学习与新技术

  • 知识点1:neural style图像风格转换
  • 知识点2:Fine-tune,保守训练,层转移,多任务学习
  • 知识点3:Capsule Network
  • 实战项目:领域对抗训练 与 capsule network

你可能感兴趣的:(AI)