深度学习核心技术应用与实战

深度学习培训大纲

时间安排

课程内容

第

一

天

上午

：机器学习基础

1.1、线性代数

1）矩阵运算 2）向量运算 3）SVD 4）PCA）

1.2、概率信息论

概论分布 2）期望、方差、协方差

3）贝叶斯 4）结构概论模型）

1.3、数值优化

：深度学习基础

2.1、深度学习介绍

1）发展历史 2）主要应用

2.2、感知器 2.3、人工神经网络 2.4、前馈神经网络

2.5、BP算法 2.6、Hessian矩阵

下午

：深度学习进阶——卷积神经网络

3.1、CNN卷积神经网络

卷积层（一维卷积、二维卷积）

2）池化层（均值池化、最大池化）

3）全连接层 4）激活函数层 5）Softmax层

3.2、CNN卷积神经网络改进

1）R-CNN 2）Fast-R-CNN 3）Faster-R-CNN与图像分类实战

3.3、深度学习的模型训练技巧

3.4、梯度下降的优化方法详解

第

二

天

上午

：深度学习进阶——循环神经网络

4.1、RNN循环神经网络

梯度计算 2）BPTT

4.2、RNN循环神经网络改进

LSTM 2）GRU 3）Bi-RNN 4）Attention based RNN

：深度学习软件

5.1、各个深度学习相关软件的对比与使用介绍

5.2、Tensorflow重点知识提要

5.3、Tensorflow实现一个MNIST手写数据集

下午

第六章：应用案例（一）

6.1、CNN应用案例

1）CNN实例应用1：实现人脸检测与人脸特征点定位

2）CNN实例应用2：SSD/YOLO实现目标检测

3）CNN实例应用3：Tensorflow实现图像分类与分割

4）CNN实例应用4：利用卷积神经网络做图像风格结合

6.2、RNN实际应用

1）RNN实例应用1：Seq2Seq的原理与实现

2）RNN实例应用2：Tensorflow实现递归神经网络进行序列预测 

第

三

天

上午

第七章：强化学习

7.1、强化学习的理论知识

7.2、经典模型DQN讲解

7.3、AlphaGo原理讲解

第八章：对抗性生成网络

8.1、GAN的理论知识

8.2、GAN经典模型1：GAN，CGAN，LAPGAN，DCGAN，

8.3、GAN经典模型2：INFOGAN，WGAN，S2-GAN

下午

第九章：应用案例(二)

9.1、强化学习应用案例

1）RL实际应用1：实现一个AlphaGo9.2、GAN应用案例

1）GAN实际应用1：DCGAN提高模糊图片分辨率

2）GAN实际应用2：InfoGAN做特定的样本生成