大纲

夯实DL必备基础

第一课 夯实深度学习数据基础

• 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

第二课 从线性分类器到人工神经网络

• 知识点1：softmax、linearSVM线性分类器与损失函数
• 知识点2：BP算法与随机梯度下降
• 实战项目：使用神经网络完成数据非线性切分

掌握CNN与DL主流框架

第三课 计算机视觉与卷积神经网络

• 知识点1：卷积神经网络层级结构详解，可视化理解
• 知识点2：典型卷积神经网络结构(AlexNet,VGG,GoogLeNet,ResNet)讲解
• 实战项目：图像识别CNN示例

第四课 深度学习框架及应用

• 知识点1：Caffe的便捷图像应用
• 知识点2：TensorFlow常见网络搭建与可视化
• 知识点3：高效高速的MxNet与使用案例
• 知识点4：搭积木一样方便的Keras
• 实战项目：全堂课都是案例

掌握物体检测与词嵌入

第五课 图像物体检测与风格变化

• 知识点1：物体检测方法(Rcnn，Fast-rcnn，Faster-rcnn，R-FCN)
• 知识点2：秒变文艺：neural style将照片转换成大师佳作
• 实战项目：R-FCN实验代码讲解，neural-style与fast neural-style代码讲解

第六课 词嵌入/word2vec与相关应用

• 知识点1：自然语言处理与词向量表示
• 知识点2：word2vec与CBOM、Skip-Gram、GloVe
• 知识点3：word2vec工具简介：word2vec，gensim
• 实战项目：词嵌入+CNN做文本分类

掌握RNN、LSTM及其应用

第七课 循环神经网络与长短时记忆

• 知识点1：学会记忆与理解的RNN
• 知识点2：能选择性遗忘与更新的LSTM
• 实战项目：模仿小四文笔的RNN

第八课 循环神经网络与相关应用

• 知识点1：生成模型用于“自动写代码”
• 知识点2：注意力模型与“看图说话”原理
• 知识点3：google神经网络翻译系统

在项目实战中掌握一切

第九课 强化学习与DQN

• 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

第十课 深度学习与各种迁移学习应用

• 知识点1：再谈物体检测与图像识别
• 实战项目：做过梵高作画实验，但不知原理？立马探究
• 实战项目：各类神经网络组合成的决策机器：AlphaGo解析