关于举办全国人工智能与深度学习核心技术案例实践高级研修班的通知

第一天

第 1 讲：深度学习简介及数学基础

1. 1. 深度学习的发展历史

2. 2. R 、 python 及 MXNet 简介

3. 3. 线性代数与矩阵运算

4. 4. 概率论与统计学

5. 5. 数值计算与最优化方法

第 2 讲：机器学习基础

1. 1. 学习的算法与流程

2. 2. 机器学习与深度学习

3. 3. 交叉验证

4. 4. 无监督的机器学习

5. 5. 有监督的机器学习

6. 6. 案例 1 ：预测足球比赛的结果

第二天

第 3 讲：神经网络基础

1. 1. 人工神经网络简介

2. 2. 感知机

3. 3. 案例 2 ：实现一个感知机

4. 4. 前馈神经网络

5. 5. BP 算法

6. 6. 案例 3 ：使用神经网络进行分类预测

第 4 讲：卷积神经网络

1. 1. 卷积运算

2. 2. CNN 的结构

3. 3. CNN 的训练

4. 4. 案例 4 ：手写数字识别（ MNIST ）

5. 5. 案例 5 ：猫和狗的图像识别

第三天

第 5 讲：循环和递归网络

1. 1. 循环神经网络

2. 2. 递归神经网络

3. 3. LSTM 网络

4. 4. 案例 6 ：文本分析

第 6 讲：深度学习的工程应用

1. 1. MXNet 和 TensorFlow 的工程应用

2. 2. Windows /  Mac / Linux 的安装与部署

3. 3. R 和 Python 的编程接口

4. 4. CUDA 和 GPU 计算

5. 5. 案例 7 ：基于 CPU/GPU 和不同操作系统做深度学习的性能分析