【课程介绍】
【课程目录】
第一阶段 深度学习基础篇
逻辑回归与梯度下降法
凸函数与凸优化
BP算法的讲解
Tensorflow、Kersa、PyTorch的使用教程
GPU配置，安装，训练模型及评估
Conv2D，Conv2DTranspos详解
Dropout, Batch Normalization详解
如何自定义网络层，损失函数
深度学习中的调参技术. 解决过拟合与欠拟合
激活函数详解：Sigmoid, Softmax, tanh, softplus, ReLU, hard_sigmoid, linear, exponential, LeakyReLU, PReLU, ELU.
优化器详解：GD，SGD，MiniBatch GD，Nesterov，RMSprop，Adagrad，Adadelta，Adam.
第二阶段 多模态模型
什么是多模态学习？
VGG16以及基于Pytorch的实现
迁移学习详解
RNN以及BPTT，梯度消失问题
LSTM, GRU详解
注意力机制
SkipGram
Elmo, Bert, XLNet
Beam Search, Greedy Decoding
BLEU评价指标
搭建系统过程中用到的工程技巧
第三阶段 物体识别
CNN卷积层工作原理剖析
卷积核尺寸，卷积步长，边界填充，输出通道，输出特征图，视场计算
LeNet-5
AlexNet
ZFNet
GoogleNet/Inception
VGGNet
ResNet
Fully-Convolutional Network
DenseNet
图像增强技术
图像增加噪声与降噪
第四阶段?目标检测技术
R-CNN，Fast R-CNN, Faster RCNN
Region Proposal，Region Proposal Network
One-Stage物体检测网络模型
SSD模型
Anchor的内涵与工作原理
IoU (Intersection Over Union)
Hard Negative Mining
Non-Max Suppression
OpenCV Haar小波滤波器
OpenCV Adaboost
图像分割 Dense Prediction
Unet，Up-Conv
Transpose Convolution/Deconvolution
第五阶段?自动驾驶
自动驾驶技术介绍
如何使用多个摄像头
DataGenerator技术
图像的空间域
频率域滤波
图像色彩变换
边缘检测
Hough Transform用于检测图像中的几何形状物体
第六阶段?图像生成
GAN 生成对抗网络
Generator，Discriminator网络结构
GAN的优化以及实现
GAN与其他生成模型的比较
图像风格化迁移的实现
Gram Matrix图像风格表达
第七阶段?低能耗神经网络
如何降低神经网络的耗能
Binarized Neural Network
MobileNet
ShuffleNet
EffNet
神经网络的节能原理
Depth-wise Separable Convolution
Spatial Separable Convolution
Grouped Convolution
Channel Shuffle
第八阶段?新颖网络结果
One-Shot Learning
Siamese Network 双子网络
人脸识别关键技术
CapsuleNet 胶囊网络
胶囊替代神经元旦原理
第九阶段?Capstone 开放式项目(Optional)
项目展示
什么是Capstone项目？
项目介绍
开放式项目又称为课程的capstone项目。作为 课程中的很重要的一部分，可以选择work on 一个具有挑战性的项目。通过此项目，可以深 入去理解某一个特定领域，快速成为这个领域 内的专家，并且让项目成果成为简历中的一个 亮点。
项目流程
Step 1: 组队
Step 2: 立项以及提交proposal
Step 3: Short Survey Paper
Step 4: 中期项目Review Step
5: 最终项目PPT以及代码提交
Step 6: 最终presentation
Step 7: Technical Report/博客
结果输出
完整PPT、代码和Conference-Style Technical Report 作为项目的最后阶段，我们 将组织学员的presentation分享大会。借此我 们会邀请一些同行业的专家、从业者、企业招 聘方、优质猎头资源等共同参与分享大会。
