第

一

节

Python与TensorFlow

解释器Python2.7/3.6与IDE：Anaconda/Pycharm

 列表/元组/字典/类/文件

numpy/scipy/matplotlib/panda的介绍和典型使用

scikit-learn的介绍和典型使用

TensorFlow典型应用

典型图像处理

多种数学曲线

多项式拟合

快速傅里叶变换FFT

奇异值分解SVD

Soble/Prewitt/Laplacian算子与卷积网络

代码和案例实践：

卷积与(指数)移动平均线

股票数据分析

缺失数据的处理

环境数据异常检测和分析

第

二

节

Softmax回归与SGD

线性回归

Logistic/Softmax回归

广义线性回归

L1/L2正则化

Ridge与LASSO

Elastic Net

梯度下降算法：BGD与SGD

特征选择与过拟合

Softmax回归的概念源头

最大熵模型

K-L散度

代码和案例实践：

1.股票数据的特征提取和应用

2.泰坦尼克号乘客缺失数据处理和存活率预测

3.环境检测数据异常分析和预测

4.模糊数据查询和数据校正方法

5.PCA与鸢尾花数据分类

6.二手车数据特征选择与算法模型比较

7.广告投入与销售额回归分析

8.鸢尾花数据集的分类

9.TensorFlow实现线性回归

10.TensorFlow实现Logistic回归

第

三

节

卷积神经网络CNN

神经网络结构，滤波器，卷积

池化，激活函数，反向传播

目标分类与识别、目标检测与追踪

经典AlexNet、VGG、GoogleLeNet

Inception

代码和案例实践：

搭建自己的卷积神经网络

基于CNN的图像识别

卷积神经网络调参经验分享

第

四

节

CNN发展与应用

ResNet、DenseNet

视频关键帧处理

物体检测与定位

RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN

YOLO

FaceNet

代码和案例实践：

迁移学习（Transfer Learning）

人脸检测

OCR字体定位和识别

睿客识云

气象识别

第

五

节

循环神经网络RNN

RNN基本原理

LSTM、GRU

Attention

编码器与解码器结构

特征提取：word2vec

Seq2seq模型

代码和案例实践：

图片标注与图片问答

搭配CNN使用，组成CNN+LSTM模型

Bi-LSTM双向循环神经网络结构

循环神经网络调参经验分享

第

六

节

自然语言处理

语言模型Bi-Gram/Tri-Gram/N-Gram

分词

词性标注

依存句法分析

语义关系抽取

词向量

文本分类

机器翻译

文本摘要

阅读理解

问答系统

情感分析

代码和案例实践：

输入法设计

HMM分词

文本摘要的生成

智能对话系统和SeqSeq模型

阅读理解的实现与Attention

第

七

节

生成对抗网络GAN

生成与判别

生成模型：贝叶斯、HMM到深度生成模型

GAN对抗生成神经网络

DCGAN

Conditional GAN

InfoGan

Wasserstein GAN

代码和案例实践：

图片生成

看图说话

对抗生成神经网络调参经验分享

第

八

节

增强学习RL

为何使用增强学习

马尔科夫决策过程

 贝尔曼方程、最优策略

 策略迭代、值迭代

Q Learning

SarsaLamda

DQN

A3C

ELF

代码和案例实践：

飞翔的小鸟游戏

基于增强学习的游戏学习

DQN的实现