同学们好！学习资料在百度网盘，欢迎自取。 链接: https://pan.baidu.com/s/1KQE1g-5-CPWzEVZmT3UQEQ

提取密码: 2r79

课程介绍

【课程介绍】

背景

• 深度学习是通向人工智能的必经之路，也是实现未来社会远景的必备基础。Google 的 AlphaGo、特斯拉的自动驾驶汽车， iPhone 里的 Siri 助手、电商网站推荐系统等，都体现了深度学习技术的强大功能。
• 在人工智能的时代大潮中，任何人都应该掌握一点深度学习技术。DT 时代的程序员即使不亲自负责开发和维护深度学习系统，在工作中也会难免与之产生交集，尤其是数据挖掘、Antispam、推荐系统和广告系统等领域的从业人员。
• 所以，StuQ 特邀请资深大数据技术专家，《白话大数据与机器学习》作者、拥有丰富实战经验的高扬老师担任课程出品人，共同推出了《深度学习从入门到精通实战》课程，通过由浅入深的理论知识讲解和实操代码实现人工智能经典实战案例，帮助学员降低学习门槛，更高效掌握深度学习核心技能。

介绍

• 本课程将从机器学习基本原理与视角开始，系统讲解机器学习整体工作方式、深度学习工作方式及其本质原理。
• 通过实操传授方式，带领学员完成深度学习系统的安装、调试、工作落地、算法实现等工程实战内容。

【课程特色】

• 由浅入深讲解必备理论知识
• 丰富的实战案例深度讲解
• 实操演练，给出全部代码实现

【大咖导师】

高扬

• 欢聚时代资深大数据专家，曾在西山居做紫霞大数据系统建设，为北京甲骨文实训基地 2015、2016 届大数据讲师。
• 已出版《白话大数据与机器学习》，即将出版《白话深度学习与 Tensorflow》《数据科学家养成手册》。
• 运营有微信订阅号“奇点”，主要从事从事大数据、机器学习、深度学习，数据分析等领域。

卫峥

• 欢聚时代高级软件架构师，《白话大数据与机器学习》作者。
• 多年的软件开发和架构经验，精通 C/C++、Python、Golang、JavaScript 等多门编程语言。
• 近几年专注于数据处理、机器学习，深度学习算法的研究、应用与创新产品的研发。
• 曾在新浪网平台架构部负责云音视频转码平台的架构和研发工作，为新浪微博，新浪微盘，秒拍等提供视频在线。

【课程信息】

• 这一期课程将于 10 月 28 日正式开始，共 9 周课程；
• 每章课程开放后，同学们将在有效期内随时无限观看
• 课程上课期间专属学员群 + 讲师答疑 + 专属班主任全程跟进

【课程目录】

基础理论 上

1. 基于统计的认知

2. 概率与古典概型

3. 贝叶斯概率

4. 高斯贝叶斯

5. 信息量

6. 信息熵

7. 决策树

8. 线性回归模型假设

9. 线性回归训练

10. 高维空间线性回归

11. 过拟合

12.SVM——超平面

13.SVM——损失函数

14.SVM——核函数与升维

基础理论 下

15. 牛顿法

16. 凸函数与梯度

17. 梯度下降

18. 神经元与激励函数

19. 损失反向传播

20.VC 维

1. 线性与非线性分类组合

22. 避免过拟合

23. 卷积

24. 卷积层、Feature Map

25. 池化层

26.SOFTMAX 与交叉熵

基础实战 上

1. 常用软件包

2. 开发环境

3. 环境配置详解

4. 梯度下降算法的实现—感知器

5. 梯度下降算法的实现—梯度下降

6. 梯度下降算法的实现—随机梯度下降

7. 梯度下降算法的实现

8. 梯度下降算法的实现—代码实现讲解上

9. 梯度下降算法的实现—代码实现讲解下

10. 梯度下降算法的实现—使用 keras 来做对比

11. 梯度下降算法的实现—答疑

基础实战 下

12. 反向传播算法的实现 - 理解 4 个重要方程

13. 反向传播算法的实现 - 代码实现讲解

14. 提高版本的神经网络 -cross-entropy

15. 提高版本的神经网络 -overfitting 和 regularization

16. 提高版本的神经网络 -dropout

17. 提高版本的神经网络 - 怎样初始化权重

18. 提高版本的神经网络 - 代码实现

19. 卷积神经网络的实现 - 上

20. 卷积神经网络的实现 - 下

高级理论 上

1. 概要复习

2. 隐马尔可夫模型

3. 最大似然路径

4.RNN-BPTT

1. LSTM

6. 高 VC 维与过拟合

7. 正则化

8. 归一化

9.DROPOUT

10. 学习率的设定

高级理论 下

11. 梯度消失问题

12. 梯度消失的改进方案

13. 受限玻尔兹曼机

14. 最大似然度和逻辑回归

15. 深度残差网络

16. 深度残差网络的拓扑解释

17. 遗传算法

18. 强化学习入门

高级实战 上

1. rnn 理解前向传播 4 个重要方程

2.rnn 代码实现

1. rnn lstm 理解重要方程和推导过

2. rnn lstm 代码实现下

3. tensorflow 对图片进行分类

4. caffe 对图片进行分类

高级实战 下

1. tensorboard

2. tensorflow lstm 自动生成文本

3. 对话机器人

4. tensorflow 模仿成大师画的风格（上）

5. tensorflow 模仿成大师画的风格（下）

6. tensorflow 人脸识别

---

课程目标

• 让学员掌握机器学习、深度学习基本原理
• 深度学习框架的搭建方法、深度学习处理问题的训练方法和验证方法
• 深度学习工作实战中的问题和解决办法

适合人群

• 有一定编程基础，对深度学习有浓厚兴趣
• 希望往深度学习方向的工程人员