机器读心术之神经网络与深度学习

机器读心术之神经网络与深度学习
2017年
原链接：
课程大纲：
第1课 跌宕起伏70年：神经网络发展概述；最简单的神经元仿生：单层感知器。
第2课 线性神经网络，BP神经网络，基于梯度下降的各种学习算法；BP神经网络应用：信用识别；为什么BP网络丌能支持太多的隐层数？
第3课 Imagenet介绍。BP神经网络应用：图像压缩；稀疏自动编码器与特征提取。
第4课 能联想和记忆的Hopfield神经网络，DHNN与DCNN；应用：OCR识别，解决旅行商问题。
第5课 模拟退火算法与Boltzmann机：随机版的Hopfield神经网络。
第6课 马尔科夫链；受限Boltzmann机RBM，Gibbs采样，CD学习算法。
第7课 应用RBM进行协同过滤；深度置信网络（DBN）：利用堆叠的RBM进行权值预训练，应用于图像编码与解码，图像识别；生成式模型与判别式模型。
第8课 万能逼近器：径向基神经网络；PCA与SVM神经网络。
第9课 局部感受野与卷积神经网络CNN；经典应用：MNIST手写体数字识别，Imagenet图像识别；GPU计算。
第10课 计算机博弈原理，深度学习与AlphaGo，价值网络与策略网络的设计，构成和训练。
第11课 蒙特卡洛树搜索与强化学习，Deepmind通用人工智能的尝试。堆叠150层的超深度网络：深度残差网络及其在Imagenet比赛中的表现。
第12课 递归神经网络RNN；ELMAN和NARX；BPTT学习算法；对抗梯度消失；LSTM原理与结构。
第13课 深度学习在自然语言处理中的应用，word2vec原理与实践；CBOW与Skip-gram；NLP的基本问题，将LSTM应用于中文自动分词和命名实体识别。
授课对象：
对神经网络技术和深度学习感兴趣者，潜在研究者，爱好者，职业方向准备转型高级数据分析师，迈向数据科学家的朋友。较好是学习过炼数成金上《机器学习》课程或具备类似能力。
收获预期：
熟悉神经网络技术和深度学习，懂得怎样运用到自己的实际工作，设计有一定规模的学习系统，智能化地解决某些场景的实际问题。个人技术能力和数据分析能力，知识见解有明显增长
授课讲师：
tigerfish，知名数据库网站ITPUB创始人，知名数据分析网站炼数成金创始人。数据库专家，数据分析专家，有丰富的IT领域、数学领域的知识经验。他将带领他的数据分析团队完成整个授课工作。