•  課程目標(biāo)

  課程面向零基礎(chǔ)學(xué)員，從上世紀(jì)60年代最基礎(chǔ)的的單層感知器開始學(xué)習(xí)，從最基礎(chǔ)的知識(shí)開始，進(jìn)行體系化的學(xué)習(xí)。 課程包含神經(jīng)網(wǎng)絡(luò)領(lǐng)域大多數(shù)重要分支，并通過這些分支延伸到如今最熱門的的深度置信網(wǎng)絡(luò)DBN，卷積神經(jīng)網(wǎng)絡(luò)CNN，深度殘差網(wǎng)絡(luò)RES和長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)LSTM。

•  師資團(tuán)隊(duì)

• 華清創(chuàng)客企業(yè)內(nèi)訓(xùn)講師，均是來自各個(gè)領(lǐng)域的資深專家，均擁有6年以上大型項(xiàng)目經(jīng)驗(yàn)。

•  培養(yǎng)對(duì)象

  1、對(duì)人工智能、深度學(xué)習(xí)感興趣的學(xué)員
  2、渴望學(xué)習(xí)當(dāng)今最熱門最前沿技術(shù)的人
  3、想儲(chǔ)備深度學(xué)習(xí)技能的學(xué)員

•  培訓(xùn)方式

第一種：華清創(chuàng)客講師面授
課時(shí)：共4天，每天6學(xué)時(shí)，總計(jì)24學(xué)時(shí)
◆費(fèi)用：3200元
◆外地學(xué)員：代理安排食宿（需提前預(yù)定）

第二種：線上直播授課
直播課時(shí)：共8天，每天3學(xué)時(shí)，總計(jì)24學(xué)時(shí)；
輔導(dǎo)：授課期間，輔導(dǎo)老師每天有1小時(shí)的輔導(dǎo)直播
◆費(fèi)用：3200元

第三種：企業(yè)訂制培訓(xùn)
課時(shí)：根據(jù)定制的大綱確定課時(shí)
費(fèi)用：根據(jù)課程難度，每課時(shí)1500~3000元

• •  質(zhì)量保證

    1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在下期培訓(xùn)班中重聽；

    2、培訓(xùn)結(jié)束后免費(fèi)提供一個(gè)月的技術(shù)支持，充分保證培訓(xùn)后出效果；

    3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。

  •  課程大綱

    
    

    第一章：神經(jīng)網(wǎng)絡(luò)介紹        

    1.1 神經(jīng)網(wǎng)絡(luò)概述        

             1.2 神經(jīng)網(wǎng)絡(luò)發(fā)展史

            

    第二章：?jiǎn)螌痈兄鲗?shí)踐    

    2.1 從0到1-單層感知器    

             2.2 從0到1-單層感知器（代碼實(shí)踐）

            

    第三章：網(wǎng)絡(luò)優(yōu)化       

    3.1 線性神經(jīng)網(wǎng)絡(luò)、delta學(xué)習(xí)規(guī)則和梯度下降法  

             3.2 線性神經(jīng)網(wǎng)絡(luò)、delta學(xué)習(xí)規(guī)則和梯度下降法（代碼實(shí)踐）

           

    第四章：多層        

    4.1 BP神經(jīng)網(wǎng)絡(luò)介紹     

             4.2 BP神經(jīng)網(wǎng)絡(luò)介紹（代碼實(shí)踐1）         

             4.3 BP神經(jīng)網(wǎng)絡(luò)介紹（代碼實(shí)踐2）         

             4.4 深入理解BP神經(jīng)網(wǎng)絡(luò)（論文講解）

             4.5 過擬合，以及google神經(jīng)網(wǎng)絡(luò)小工具

            

    第五章：Hopfield神經(jīng)網(wǎng)絡(luò) 

    5.1 Hopfield神經(jīng)網(wǎng)絡(luò)  

             5.2 Hopfield神經(jīng)網(wǎng)絡(luò)（代碼實(shí)現(xiàn)）

            

    第六章：玻爾茲曼機(jī)  

    6.1 玻爾茲曼機(jī)   

             6.2 受限玻爾茲曼機(jī)RBM  

             6.3 受限玻爾茲曼機(jī)RBM（代碼實(shí)現(xiàn)）

            

    第七章：推薦系統(tǒng)算法介紹        

    7.1 推薦系統(tǒng)算法介紹

            

    第八章：玻爾茲曼機(jī)應(yīng)用  

    8.1 受限玻爾茲曼機(jī)在推薦系統(tǒng)中的應(yīng)用

            

    第九章：各種網(wǎng)絡(luò)講解        

    9.1 深度置信網(wǎng)絡(luò)DBN-DNN       

             9.2 卷積神經(jīng)網(wǎng)絡(luò)CNN        

             9.3 手寫體識(shí)別網(wǎng)絡(luò)LeNET-5結(jié)構(gòu)分析      

     

    第十章：圖像識(shí)別應(yīng)用        

    10.1 ImageNet介紹      

             10.2 ILSVRC12圖像識(shí)別比賽冠軍AlexNet         

             10.3 GPU和TPU的簡(jiǎn)介

            

    第十一章：深度殘差網(wǎng)絡(luò)    

    11.1 深度殘差網(wǎng)絡(luò)RES        

             11.2 批量正則化Batch Normalization        

             11.3 深度殘差網(wǎng)絡(luò)進(jìn)一步研究

     

    第十二章：RNN和LSTM      

    12.1 遞歸神經(jīng)網(wǎng)絡(luò)RNN     

             12.2 長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)LSTM

            

    第十三章：強(qiáng)化學(xué)習(xí)和遷移學(xué)習(xí)        

    13.1 強(qiáng)化學(xué)習(xí)RL         

             13.2 遷移學(xué)習(xí)TL          

             13.3 生成式對(duì)抗網(wǎng)絡(luò)GAN