主题

课程安排

深度学习基本原理

1、深度学习简介
2、深度学习成功应用
3、深度学习与神经网络的对比
4、深度学习的训练过程
5、深度学习的具体模型

·  自动编码器

·  稀疏自动编码器

·  降噪自动编码器
6、深度学习应用案例

深度学习模型原理解析

1、CNN

·  CNN模型的推导与实现

·  CNN的反向求导及练习

·  CNN应用：文本分类

·  CNN 常见问题总结
2、RNN

·  RNN模型的推导与实现

·  RNN的反向求导及练习

·  RNN应用：个性化电影推荐

·  RNN常见问题总结
3、LSTM

·  LSTM模型的推导与实现

·  LSTM的反向求导及练习

·  LSTM应用：文本识别

·  LSTM常见问题总结
4、DNN

·  DNN模型的推导与实现

·  DNN的反向求导及练习

·  DNN应用：CTR预估

·  DNN常见问题总结
5、广告搜索中深度学习的应用

·  查询意图识别：CSR

·  文本相关性：Word2Vec。DSSM

·  CTR预估：DNN、MxNet

·  图像理解：VGGNet、CNN

深度学习框架实践Tensorflow

1、Tensorflow框架介绍
2、TensorFlow和其他深度学习框架的对比
3、Tensorflow 特性
4、Tensorflow 下载及安装
5、Tensorflow 架构
6、Tensorflow 基本使用
7、TensorFlow实现多层感知机
8、TensorFlow实现卷积神经网络

·  TensorFlow实现简单的卷积网络

·  TensorFlow实现进阶的卷积网络

·  TensorFlow实现经典卷积神经网络

·  TensorFlow实现ResNet
9、Tensorflow 实现循环神经网络及Word2Vec

·  Tensorflow 实现Word2Vec

·  Tensorflow 实现基于LSTM的语言模型
10、TensorFlow实现深度强化学习

·  深度强化学习简介

·  TensorFlow实现策略网络

·  TensorFlow实现估值网络
11、TensorBoard、多GPU并行及分布式并行

·  TensorBoard

·  多GPU并行

·  分布式并行
12、实战：Python中实现LSTM模型搭建：时间序列

·  基于某家店的某顾客的历史消费的时间推测该顾客前下次来店的时间
13、实战：用TensorFlow搭建图像识别系统
14、Tensorflow结合Spark