【深度学习课程大纲】
一、 人工智能技术基础 （1/4天）
人工智能及神经网络的发展历程
人工智能的应用现状及演变趋势
机器学习理论概述
二、 神经网络理论及实践（1/4天）
神经网络基本概念
误差反向传播算法（数学推导过程）
误差函数、激活函数
随机梯度下降法
学习率及其设置
三、 TensorFlow平台深度网络开发详解（1/4天）
数据模型
计算模型
运行模型
TensorFlow训练神经网络三个步骤
一个完整的神经网络应用实例（线性分类问题）
四、 Keras平台深度网络开发详解（1/4天）
数据导入、归一化、预处理
定义模型与编译
训练模型
模型准确率评估及预测
Keras中使用Pandas进行数据的导入与预处理实践（以csv数据为例）
Keras中使用Scikit-learn 进行交叉验证及模型调参实践
五、 卷积神经网络经典模型及实践（1天）
卷积神经网络理论基础（卷积、池化、激活、压平）
LeNet-5深度学习模型及其实践（手机验证法分类）
Inception-v3深度学习模
深度学习模型迁移算法及实践（物品真伪识别（以和田玉鉴别为例））
六、 循环神经网络经典模型及实践（1/2天）
循环神经网络理论基础
RNN的的结构
单/多层LSTM模型结构
LSTM模型实操（词频统计）
LSTM模型应用实操（使用LSTM模型进行IMDb情感分析）
七、 SeqToSeq模型及其实践（1/2天）
SeqToSeq模型理论基础
电信文本摘要提取实操
