时间 地点：
武汉  《武汉大学》    《Python语言应用及深度学习核心理论与实战》 上机操作学习

2018年7月5日-8日
内容：
一、Python语言的特性、语言构成、程序设计   
Python语言概念、特点、Hello Word示范
Python语言的类型和操作符
Python语言的语句和语法
Python语言的函数和生成子
Python语言模块和包
Python语言类和面向对象程序设计
Python语言异常和工具
Python语言高级主题
二、Python语言应用和深度学习的基本模型、基本技术和应用以及问题解决
人工智能概述、计算智能、类脑智能、深度学习的前生今世、发展趋势
机器学习概述、记忆学习、归纳学习、统计学习
深度神经网络的基本原理、优势和特点，包括深度神经网络的高维复杂函数近似、流形推断、泛化的基本原理
人工神经网络和基本训练方法（训练目标和训练BP 算法）
Tensorflow框架的开发模式、开发案例
深度神经网络开发的基本过程、训练和问题解决技巧
基本神经网络开发实践（Python语言和模型开发实践）
CNN 卷积神经网络的设计思想、设计和应用开发与上机实习（卷积层（一维卷积、二维卷积）、池化层（均值池化、最大池化）全连接层、激活函数层、Softmax 层）
卷积神经网络的变化、思想和应用实例（残差网络、R-CNN、SPPNET、Fast-R-CNN、Faster-R-CNN、Mask-R-CNN、YOLOv1-v3）
RNN 循环神经网络改进的思想和LSTM、GRU、Bi-RNN、Attention based RNN
RNN、LSTM 实际应用：自然语言处理、Seq2Seq 、跨模态应用（Caption/无导师翻译/无导师生成）
对象识别、翻译的基本技术方法

三、深度学习模式和基本技术：弱导师学习、强化学习、无导师学习、迁移学习   
深度学习的基本模式、似然估计和非似然估计、指数复杂度/下界和后验推理/重参数
最大似然估计技术体系：弱导师学习、远程学习Autoencoder、VAE、GAN+VAE
非似然技术体系：对抗生成模型GAN 的理论知识、INFOGAN、f-GAN、WGAN、Conditioned-GAN的基本原理与应用
迁移学习的理论概述、迁移学习常见方法举例
强化学习的基本原理、深度、宽度、模型和无模型强化学习算法基础
深度强化的基本思想、策略递度训练方法的详细解析

四、深度学习的基本技术、设计模式和调试技术：深度学习模型的常用设计模式和调试原理   
深度贝叶斯模型设计的详细解析（VAE和深度图概率模型Graphic-GAN）
AutoEncoder 自编码器框架、DAE详细解析和VAE的比较分析
深度神经网络记忆和推理构件
深度隐含主题模型
多模态数据分析：深度社交推荐技术
深度模型调试案例解析（训练目标设计、不稳定、超参数设计自动化、元学习）

联系人：康乐 151 3133 5232  QQ  602320300

如有老师感兴趣可以与我联系。给您发份详细通知文件！