是时候让最热的“深度学习”真正落地到实际开发中了！丨课程推广

深度学习有多热门根本不需多说，但是对于程序员群体，如果对深度学习的理解还停留在阿尔法狗战胜人类围棋高手，酷炫无人机无人驾驶这些振奋人心的新闻，或者是理解一堆深奥的数学公式和数学论证上，你可能离真正的深度学习有点远。

深度学习不仅仅是一个人人热捧的“高大上“的概念，每天撸代码的程序员其实是离他最近的一群人；如何将机器学习、实时数据处理、服务器和客户端开发有机结合在一起，而不是片面地了解其中一个部分，通过深度学习拓宽视野并将理论快速落地到实际工作中的研发，这才是程序员与深度学习最直接最真实的关联点。

好剑拿来舞，不是束之高阁仅供瞻仰。国内其实已经有企业开始真正应用深度学习技术用在业务发展中；比如美团点评这两年在深度学习方面进行了一些探索。

摘选举例 1： 深度学习用来做跟美团业务特点相关的语义匹配。比如说用户状态，一个在北京和另一个在武汉的用户，在百度或淘宝上搜索任何一个词条，得到的结果不会差太多；但是在美团这样与地理位置强相关的场景下就会完全不一样。比如在武汉搜“黄鹤楼”，用户找的可能是景点门票，而在北京搜索“黄鹤楼”，用户找的很可能是一家饭店。这样就需要结合语言层信息和用户意图、状态来做语义匹配；

摘选举例 2： 在美团点评上 App 上的广告首图宣传时，如果传统的图像质量排序方法主要从美学角度进行质量评价，通过颜色统计、主体分布、构图等来分析图片的美感。但在实际业务场景中，用户对图片质量优劣的判断主观性很强，难以形成统一的评价标准。如何选择首图才能更好地吸引用户呢？图像质量排序算法目标就是做到自动选择更优质的首图，以吸引用户点击。

如何将深度学习真正应用到开发和具体业务，需要扎实，深入，系统地学习深度学习的应用 ；StuQ 推出 60 课时（长达 40 小时） 《深度神经网络实战——从 0 到 1 构建深度学习、海量数据实时分析系统》 大课，在 3－4 个月学习周期内集中系统学习深度学习的思想方法和编码应用； 20 小时讲方法，20 小时讲编程 ，一半听一半编程， 真正将机器学习、实时数据处理、服务器和客户端开发有机结合在一起 ，帮助学员既可了解机器学习，夯实基础，又能将机器学习充分应用到实际开发中，实现技能进阶。

• 开班时间：2017 年 7 月 1 日

• 上课周期：10 周共 60 课时（1 课时 =40 分钟）

• 上课时间：暂定每周二 & 周六 20:30-22:30

• 学习形式：直播视频讲解 + QQ 学员群交流答疑

掌握规律和本质才会事半功倍，真正的授之以渔！

1、机器学习基础

• 机器学习简介

• 机器学习的主要任务

• 基本算法介绍

2、常用软件集合和环境配置

• 为什么选择用 Python

• Python

• NumPy

• sckit-learn

3、数据分组和关联分析算法

• 通过 Python 实现 K-means 算法

• 通过 Python 实现 Apriori 算法

• 通过 Python 实现 FP-growth 算法

4、分类器

• 决策树（包含实战优化方法）

• K- 邻近算法（KNN）

• 支持向量机（SVM）

• 贝叶斯网络

  朴素贝叶斯算法

  贝叶斯网络

1、神经网络

• 神经网络简介

• 正向传播算法

• 矢量化编程

神经网络向量化（有实际写代码部分内容）

2、稀疏自编码器

• 稀疏自编码器简介

• 反向传播算法

• 自编码算法与稀疏性

• 训练结果可视化

• 实践

3、数据预处理

• 主成分分析（PCA）

• 白化

• 实践

4、Softmax 回归

• Softmax 回归

• 实践

5、 自我学习

1、深度网络简介