课程介绍：

本培训实践与理论并重，通过理论讲解，算法阐述，算法适用场景，实例分析和编码实践，以及对最新的人工智能算法的趋势和热点的分析和介绍，使学员不仅掌握机器学习，人工智能领域常用算法，而且可以在实战中应用机器学习人工智能解决工作中的实际问题，从而帮助企业在人工智能时代拔得头筹占得先机。

课程大纲：

1人工智能和机器学习概述
人工智能发展史
应用场景概述：如图像识别，文本分析，推荐系统
最近成果概述：如强化学习，生成式对抗网络，基于低能量的网络，one-shot leaning
软件框架概述，如sparkML，sklean，tensorflow，caffe，Theano
 

2 卷积神经网络CNN
卷积神经网络历史
AlexNet, ResNet, googleNet介绍
卷积层介绍
池化层
全连接层
Visualizing ConvNet
BP算法
DropOut正则化
TensorFlow编写CNN
常用参数介绍和CNN调优

3 循环神经网络RNN
RNN应用概述
时间序列LSTM模型
自然语言处理基础
双向RNN与深度RNN
RNN实现案例
 

4 深度信念网络
贝叶斯概率论
贝叶斯分类器
贝叶斯信念网络
Word2Vec Network
Auto-encoder / PCA
 

5 基于能量的网络
Hopfield Network
玻尔兹曼机
受限波尔兹曼机
深度玻尔兹曼机
Spare Coding
 

6 其他热门深度学习算法
GAN对抗生成网络
强化学习概述
Transfer Learning

7 大数据,云计算与机器学习
大数据平台与云计算平台
机器学习与大数据平台
并行执行算法
批量梯度下降算法
随机梯度下降算法
小批量梯度下降算法
梯度下降算法的监控与比较