11 月深度学习班
第一周 夯实DL必备基础
第1课 夯实深度学习数据基础
1. 必要的微积分、概率统计基础
2. 必要的矩阵、凸优化基础
3. 动手：numpy与高效计算
第2课 从线性分类器到人工神经网络
1. softmax、linearSVM线性分类器与损失函数
2. BP算法与随机梯度下降
3. 案例：使用神经网络完成数据非线性切分
第二周 掌握CNN与DL主流框架
第3课 卷积神经网络与图像识别
1. 卷积神经网络层级结构详解，可视化理解
2. 典型卷积神经网络结构(AlexNet,VGG,GoogLeNet,ResNet)讲解
3. 案例：图像识别CNN示例
第4课 主流深度学习框架示例
1. Caffe的便捷图像应用
2. TensorFlow常见网络搭建与可视化
3. 高效高速的MxNet与使用案例
4. 搭积木一样方便的Keras
5. 案例：全堂课都是案例
第三周 掌握物体检测与词嵌入
第5课 图像物体检测与风格变化
1. 物体检测方法(Rcnn，Fast-rcnn，Faster-rcnn，R-FCN)
2. 秒变文艺：neural style将照片转换成大师佳作
3. 案例：R-FCN实验代码讲解，neural-style与fast neural-style代码讲解
第6课 让计算机学会人类的文字：词嵌入
1. 自然语言处理与词向量表示
2. word2vec与CBOM、Skip-Gram、GloVe
3. word2vec工具简介：word2vec，gensim
4. 案例：词嵌入+CNN做文本分类
第四周 掌握RNN、LSTM及其应用
第7课 循环神经网络与LSTM
1. 学会记忆与理解的RNN
2. 能选择性遗忘与更新的LSTM
3. 案例：模仿小四文笔的RNN
第8课 循环神经网络在NLP上的应用
1. 生成模型用于“自动写代码“
2. 注意力模型与“看图说话”原理
3. google神经网络翻译系统
第五周 在项目实战中掌握一切
第9课 增强学习与Deep Q Network
1. 马尔科夫决策过程
2. 价值函数与策略评价、学习
3. Deep Q network
4. 案例：用Tensorflow搭建Deep Q learning玩Flappy bird
第10课 待定
