​AI算法工程师学习路线总结之深度学习篇

【磐创AI导读】本期是磐创AI联合七月在线平台推出的AI算法工程师系列进阶课程的第三部分——深度学习第四期，课程核心内容涵盖CNN、RNN、LSTM、GAN、Deep Q-learning及其应用，并新增DenseNet、Capsule Network等最前沿内容，带大家由浅到深学习深度学习。同样针对已关注磐创AI的老友们，为大家争取到了6个课程免单券，以及大量的课程优惠券，具体参与形式详解文末“粉丝福利”。拉至文末可直接扫码进咨询群，领取福利。

•  正在自学深度学习的你，是否看了网上很多的视频，却始终迷迷糊糊、不成体系？

• 正在准备转行的你，是否在学习过程中遇到了很多问题，但始终不得其解，而且还找不到人问，没有人快速给你答疑解决？

• 正在学校上课的你，是否对每个模型和算法都能说个大概，但却不知道它们在公司里是如何应用的，想一探究竟，却始终得不到答案？

• 正在读研的你，是否因为导师强塞的方向和巨大的压力无法短期入门精通而焦虑万分？

• 正在找工作的你，是否投了很多公司的简历（巴不得一上午投完所有招聘的公司），但投了之后，简历始终都是石沉大海、杳无音讯？

• 正在做深度学习工作的你，是否技术上遇到了瓶颈，导致在团队中竞争力不够，从而升职加薪困难？

为解决上述问题，七月在线特推出本深度学习第四期，在前三期的基础上强力优化。所需基础只需了解Logistic Regression等基本机器学习模型。适合在校研究生或本科生，深度学习从业者、爱好者。

人工智能正在席卷全球，被公认为是引领下一代科技浪潮的主流技术。而深度学习作为人工智能最核心的技术之一，想要掌握Al，不被时代淘汰，深度学习是必须要掌握的一门技术。

七月在线的深度学习系列课程之前已推出三期，每一期都在上一期基础上持续迭代优化，并因此得到广大学员的赞誉，为更好地帮助学员入门和学习DL，第四期在前三期基础上强力升级：

• 在服务体系上我们特邀BAT等一线名师直播答疑（网上很多视频良葵不齐，唯有名师带路，指点迷津才能快速、高效、成体系的学习和成长），并新增作业和考试的一对一批改，送GPU云平台、面试辅导和就业推荐。

• 在内容设计上将覆盖核心内容：CNN、RNN、LSTM、GAN、Deep Q-learning及其应用的基础上，并新增DenseNet、Capsule Network等最前沿的内容。

• 从零积累神经网络基础知识，理解不同类型的神经网络结构细节和应用场景；

• 了解深度学习在计算机视觉和自然语言处理中的典型应用方法；

• 掌握主流深度学习框架（cafe，tensorflow，keras，pytorch）的使用方法；

• 了解前沿的深度学习新技术。

• 覆盖全面

不但覆盖深度学习中的CNN、RNN、LSTM、GAN、Deep Q-learning等主要模型的原理及其应用，且新增CVPR2017最佳论文之一的CNN模型 DenseNet，和Hinton提出的计算机视觉新想法Capsule Network原理和代码。

• 大咖授课

三位讲师均来自Google等一线互联网公司的技术大咖，讲解通俗易懂，助君更好的入门和深入学习深度学习。且精讲笔试面试中常见的知识点，毕业考试优秀者优先内推BAT等一线互联网公司。

• 双云平台

全程提供GPU&CPU云实验平台（均提前做好相关配置），且支持作业和考试一对一批改。

GPU云实验平台提前装好tensorflow、caffe、mxnex等主流的DL框架和数据；CPU云实验平台基于notebook定制，方便在线云端实时编译作业，一切为真枪实战、助力跳槽涨薪。

• 十大项目

为充分保障每一位学员的学习效果，寒小阳、张雨石、Johnson等名师不但精讲原理，且精心设计每节课的实战项目，以下便是本课程的十大实战项目。

① 数据非线性切分+googlewide&deep模型实现分类






② Keras搭建CNN完成图像分类示例



③ 使用TensorFlow的Object Detection API完成物体检测






④ 用数大框架完成DNN与CNN网络搭建与分类



⑤ DCGAN图像生成



⑥ 用CNN完成文本分类



⑦ RNN文本分类



⑧ Google神经网络翻译系统



⑨ 用Tensorflow搭建DeepQ learning玩Flappy bird



⑩ 领域对抗训练与CapsuleNetwork

预习阶段 夯实DL数学基础

夯实概率统计与线代

知识点1：必要的微积分、概率统计基础

知识点2：必要的矩阵、凸优化基础

实战项目：numpy与高效计算

第一阶段 深度学习从零入门

第1课 DNN与混合网络：google Wide&Deep

知识点1：多分类softmax与交叉熵损失

知识点2：人工神经网络与BP+SGD优化

实战项目：数据非线性切分+google wide&deep 模型实现分类

第二阶段 透彻理解CNN

第2课 CNN从入门到高级应用(上)

知识点1： CNN结构详解

知识点2： CNN发展史与主要优化点(从AlexNet到DenseNet)

实战项目：Keras搭建CNN完成图像分类示例

第3课 CNN从入门到高级应用(下)

知识点1：从图像分类到物体检测应用

知识点2： rcnn/fast-rcnn/faster-rcnn/YOLO/SSD

实战项目：使用tensorflow的object detection API完成物体检测

第三阶段 CNN延伸：深度学习框架与高级应用

第4课 NN框架：caffe, tensorflow与pytorch

知识点1： Caffe的便捷图像应用

知识点2： TensorFlow与搭积木一样方便的Keras

知识点3： facebook的新秀pytorch

实战项目：用几大框架完成DNN与CNN网络搭建与分类

第5课生成对抗网络GAN

知识点1：无监督学习与图像生成

知识点2：生成对抗网络与原理

实战项目：DCGAN图像生成

第四阶段 掌握自然语言处理中的神经网络

第6课从词向量到NLP分类问题

知识点1： BOW、TF-IDF、word2vec

知识点2：自然语言处理分类问题

实战项目：用CNN完成文本分类

第7课RNN/LSTM/Grid LSTM

知识点1：序列数据与循环神经网络

知识点2： RNN/LSTM/Grid LSTM

实战项目： RNN文本分类

第8课 RNN条件生成与attention

知识点1： RNN条件生成与attention

知识点2： “看图说话”原理

实战项目：google神经网络翻译系统

第五阶段 迁移学习与增强学习

第9课增强学习与Deep Q Network

知识点1：马尔科夫决策过程

知识点2：价值函数与策略评价、学习

知识点3： Deep Q network

实战项目：用Tensorflow搭建Deep Q learning玩Flappy bird

第10课迁移学习与新技术

知识点1： neural style图像风格转换

知识点2： Fine-tune，保守训练，层转移，多任务学习

知识点3： Capsule Network

实战项目：领域对抗训练与 capsule network

寒小阳  著名电商搜索广告负责人，多多年实际ml/DL/dm项目经验，专注海量数据上机器学习算法的应用与优化。做过推荐系统、NLP、点击率预估、图像识别。讲课清晰易懂，擅长用实际数据、代码、案例说话，备受数千名学员好评。

张雨石 Google工程师，北航硕士毕业，对深度学习、计算机视觉和自然语言处理有着极大的热忱，CSDN博客上有多篇文章流传甚广。去Google之前，曾先后在腾讯、百度实习。

Johnson   CMU计算机博士，熟练机器学习、统计与凸优化。曾工作于百度、谷歌等公司的Al实验室。更在AAAI/IJCAI/AISTATS等顶级会议上发表过多篇论文。

• 七月在线官网课程录播（支持Windows、Mac、Pad等一切平台，无需安州任何额外软件）；

• 支持课程实时答疑、提供PPT、代码等课程资料，视频可反复学习，且有任何疑问可随时在课程群向老师提问。

• 机器学习工程师