主题

课程安排

深度学习基本原理

1、深度学习简介
2、深度学习成功应用
3、深度学习与神经网络的对比
4、深度学习的训练过程
5、深度学习的具体模型

?  自动编码器

?  稀疏自动编码器

?  降噪自动编码器
6、深度学习应用案例

深度学习模型原理解析

1、CNN

?  CNN模型的推导与实现

?  CNN的反向求导及练习

?  CNN应用：文本分类

?  CNN 常见问题总结
2、RNN

?  RNN模型的推导与实现

?  RNN的反向求导及练习

?  RNN应用：个性化电影推荐

?  RNN常见问题总结
3、LSTM

?  LSTM模型的推导与实现

?  LSTM的反向求导及练习

?  LSTM应用：文本识别

?  LSTM常见问题总结
4、DNN

?  DNN模型的推导与实现

?  DNN的反向求导及练习

?  DNN应用：CTR预估

?  DNN常见问题总结
5、广告搜索中深度学习的应用

?  查询意图识别：CSR

?  文本相关性：Word2Vec。DSSM

?  CTR预估：DNN、MxNet

?  图像理解：VGGNet、CNN

深度学习框架实践Tensorflow

1、Tensorflow框架介绍
2、TensorFlow和其他深度学习框架的对比