课程定位

面向高级程序员、开发人员及AI、图像、机器学习、模式识别相关工程师，连接理论与实际研发问题，讨论技术选择、产品价值与应用场景。

学习收获

• 深入学习人工智能理论及关键问题。
• 将理论联系实际项目，学习研发方法。
• 通过与一线研发人员讨论，理解研发问题、解决思路及理论应用。

课程特色

• 理论部分包括BP、损失函数、并行化、梯度消失、激励函数、权值衰减、Dropout、1-of-N编码及长短期记忆网络。
• 案例包括表情识别、流量预测、围棋、图像识别及自然语言处理，并介绍DeepMind和不同学习方式的应用。
• 体验部分包含手写体、人脸和自然语言处理，进入某身份识别国家工程实验室参观，讨论多维生物特征安防认证与多媒体分析；参观、研发交流及具体安排以正式通知和接待条件为准。

课程模块

深入理论：

• 深入理论：

第一主题 人工智能介绍

• 1.1 什么是人工智能
• 1.2 为什么要人工智能
• 1.3 人工智能的发展简史
• 1.4 人工智能的现实案例举例

第二主题 深度学习之始：人工神经网络

• 2.1 人工神经网络的设计动机是什么
• 2.2 单个神经元的功能
• 2.3 人工神经网络的优化以及误差逆传播（BP）算法
• 2.4 人工神经网络中需要注意的问题
• 2.5 人工神经网络在表情识别、流量预测中的应用案例

第三主题 深度学习中的技巧和注意事项

• 3.1 深度学习中过学习问题的处理
• 3.2 如何选择损失函数
• 3.3 如何并行化
• 3.4 如何解决深度学习中梯度消失问题
• 3.5 如何选择激励函数
• 3.6 权值衰减、Dropout以及新的网络架构

第四主题 卷积神经网络

• 4.1 卷积以及卷积网络的概念
• 4.2 为什么在使用卷积网络
• 4.3 卷积网络的结构设计
• 4.4 卷积网络在围棋中的应用
• 4.5 卷积神经网络在图像识别中的应用案例

第五主题 循环神经网络

• 5.1 为什么要使用循环神经网络
• 5.2 1-of-N编码
• 5.3 循环神经网络的介绍
• 5.4 长短期记忆网络
• 5.5 长短期记忆网络在自然语言处理中的应用案例

第六主题 人工智能未来展望

• 6.1 监督学习中的新应用
• 6.2 强制学习中的新应用
• 6.3 非监督学习中的新应用
• 6.4 DeepMind介绍

浅出体验：

• 1、使用深度学习进行手写体识别、人脸识别以及自然语言处理。
• 2、进入某身份识别国家工程实验室并参观。
• 3、AI 产品研发 过程分享：从技术信仰到价值务实。
• 4、产品研发案例分享：
• 1）多维生物特征身份认证在安防领域中的应用
• 2）多媒体分析与处理及其应用
• 5、讨论互动：学员提出问题并进行相互讨论，相关研发人员释疑并与学员互动。
• 6、学员写出（或交流）体验的收获与体会。
• 7、技术负责人做最后总结。

适合人群

高级程序员、资深开发人员、人工智能工程师、图像处理工程师、机器学习工程师、模式识别工程师以及未来可能从事人工智能研发的技术人员。

师资信息

司老师，清华大学博士，从事人工智能、深度学习、机器学习、图像处理与模式识别，曾在意大利举行的国际在线指纹识别竞赛获冠军，在IEEE TPAMI等期刊发表多篇论文，拥有5项中国专利和1项美国专利。上述为个人历史研究经历，具体师资以当期正式通知为准。

课程咨询与报名

了解本期课程安排、师资及报名事项，请联系新中华学习网：400-061-6586，也可使用本页下方的报名咨询表。具体开课安排以正式通知为准。

温馨提示：本文内容根据课程内容整理，各模块实际讲授内容由授课老师根据学员情况灵活调整，最终以课堂授课为准。