一、深度學習基礎和基本思想

1，人工智能概述、計算智能、類腦智能

2，機器學習概述、記憶學習、歸納學習、統(tǒng)計學習

3，深度學習的前生今世、發(fā)展趨勢

4，人工神經網絡、前饋神經網絡、BP算法?、Hessian矩陣、結構性特征表示

二、深度學習基本框架結構

1，Tensorflow ??2，?Caffe ?????3，Torch ???????4，MXNet

三，卷積神經網絡CNN

1，CNN卷積神經網絡

卷積層（一維卷積、二維卷積）、池化層（均值池化、最大池化）

全連接層????激活函數層????Softmax層

2，CNN卷積神經網絡改進

R-CNN （SPPNET）??Fast-R-CNN ?Faster-R-CNN （YOLO、SSD）

3，深度學習的模型訓練技巧

4，梯度下降的優(yōu)化方法詳解

四，循環(huán)神經網絡RNN

1. RNN循環(huán)神經網絡???

梯度計算????BPTT

2，RNN循環(huán)神經網絡改進

????LSTM ?????GRU ????Bi-RNN ?Attention based RNN

3，RNN實際應用????Seq2Seq的原理與實現????

五、強化學習DRL

1，強化學習的理論知識??

2，經典模型DQN講解

2. AlphaGo原理講解????
3. RL實際應用；實現一個AlphaGo

六，對抗性生成網絡GAN

1. GAN的理論知識???
2. GAN經典模型CGAN，LAPGAN，DCGAN

3，GAN經典模型??INFOGAN，WGAN，S2-GAN

4，GAN實際應用??DCGAN提高模糊圖片分辨率

5，GAN實際應用??InfoGAN做特定的樣本生成

七、遷移學習TL

1，遷移學習的理論概述

2，遷移學習的常見方法

特征、實例、數據、深度遷移、強化遷移、研究案例

八、深度學習算法理論解析

1，基于區(qū)域卷積網絡RCNN ??2，深度殘差網絡Resnet

3，膠囊網絡Capsule ???????4，長短時記憶網絡LSTM

5，注意力機制 ?????????????6，BP反傳算法

7，可變分編碼器VAE

九、深度學習實際應用案例操作

1，CNN——》圖像分類 ???????2，Lstm——》文本分類

3，Lstm——》命名實體抽取 ??4，Yolo——》目標檢測

5，圖像分類(CNN) ????????6，目標定位和識別(RCNN)

7，圖像重建(Auto-encoder) ??8，文本識別(RNN)

9，實體標注(LSTM) ????????10，手寫體數字生成(GAN)

11，邏輯回歸導出圖像分類； 12，靜/動態(tài)圖編寫（CNN）

十、深度學習Deep Learning的常用模型或者方法

1，AutoEncoder自動編碼器

2，Sparse Coding稀疏編碼

3，Restricted Boltzmann Machine(RBM)限制波爾茲曼機

4，Deep BeliefNetworks深信度網絡

十一、輔助課程

（1）疑難解答、分組討論；

（2）學后交流、微信群、QQ群建立；