深度学习，给自己一个年薪50万的工作机会！

-欢迎加入AI技术专家社群>>

- 日薪5K-10K招兼职AI讲师>>

导读：2017年，什么东西最火？人工智能！谁的工资最高？AI工程师！！什么人才最稀缺？AI工程师！！！！AI相关专业的应届生起薪30万元以上，国内AI博士甚至拿到200万的年薪，而国外曾有博士拿到200万美元的年薪！

AI工程师：年薪超过200万，拿10个Offer！

1）央视报道：AI博士毕业年薪200万，一年更比一年高！

相关AI专业研究生毕业年薪30万元起，博士毕业50万元，更有人200万元年薪被大公司抢走，手上拿个四五个offer那是轻轻松松，更有人10个offer不知道选什么。

2）所有招聘岗位中，人工智能和数据开发人才薪资仅次于管理岗！

数据显示，人工智能薪酬在 20k 以上，远高于项目管理和产品设计等行业，更是甩其他行业几十条街。

目前中国AI人才需求500万人，目前仅5万人！

1）国内AI产业人才缺口超500万人！

据领英近日发布的《全球AI领域人才报告》显示，截至2017年一季度，基于领英平台的全球AI领域技术人才数量超过190万，其中美国相关人才总数超过85万，高居榜首，而中国的相关人才总数也超过5万人，位居全球第七。显然，中国人工智能人才数量远不能满足市场需求，工信部教育考试中心副主任周明也曾在2016年向媒体透露，中国人工智能人才缺口超过500万人！

领英近日发布的全球AI领域技术人才分布地图

2）AI人才需求量持续增长，2017年 Q3是2016年Q1近3倍

根据智联全站大数据，我们看到2017年 Q3人工智能人才需求量相较2016年Q1增长了179%。

AI需求人数变化(%)

这么缺人，还等什么？谁先学习谁就抓住机会！！！！《全球人工智能学院》邀请中科院金牌AI讲师推出“机器学习和深度学习”专业AI工程师课程。2018年：给自己一个年薪50万的工作机会！

机器学习与深度学习

深圳周末班

讲师简介

邹博:中国科学院副研究员

中国科学院副研究员，天津大学软件学院创业导师，成立中国科学院邹博人工智能研究中心（杭州站），在翔创、天识、睿客邦等公司担任技术顾问，研究方向机器学习、数据挖掘、计算几何，应用于大型气象设备的图像与文本挖掘、股票交易与预测、量子化学医药路径寻优、传统农资产品价格预测和决策等领域。

2017年8月3日-7日 北京理工大学机器学习和深度学习高校师资培训

课程简介

1.目前中国人工智能人才需求量约500万，目前仅有5万相关人才，刚毕业的应届生工资均在30万以上，深度学习人才更是稀缺。

2.《机器学习与深度学习》线下班（30人），主要针对想进入AI领域的零基础人群设计。课程分为周六、日两天共4节课，每节各4个小时。

3.课程强调动手操作；内容以代码落地为主，以理论讲解为根，以公式推导为辅。每次课中，首先阐述算法理论和少量公式推导，然后使用真实数据做数据挖掘、机器学习、深度学习的数据分析、特征选择、调参和结果比较。

4.通过课程学习，可以理解机器学习的思维方式和关键技术；了解深度学习和机器学习在当前工业界的落地应用。

课程主要内容安排

周六 

9：00~12:00

第一节：Python机器学习与TensorFlow入门

1.1 numpy/scipy/matplotlib/panda的介绍和典型使用

1.2 scikit-learn的介绍和典型使用

1.3 多元线性回归

1.4 Logistics回归与Softmax回归

1.5 决策树和随机森林

1.6 SVM

1.7 多种聚类的原理和调参

1.8 TensorFlow典型应用

1.9 典型图像处理

1.10 多项式拟合

1.11 快速傅里叶变换FFT

1.12 奇异值分解SVD

1.13 Soble/Prewitt/Laplacian算子与卷积网络

代码和案例实践：

卷积与(指数)移动平均线

缺失数据的处理

环境数据异常检测和分析

TensorFlow实现线性回归

TensorFlow实现Logistic回归

股票数据分析

社会学人群收入预测

葡萄酒数据集的决策树/随机森林分类

泰坦尼克乘客存活率估计

13：30~18：30

第二节：卷积神经网络CNN

2.1 神经网络结构，滤波器，卷积

2.2 池化，激活函数，反向传播

2.3 目标分类与识别、目标检测与追踪

2.4 经典AlexNet、VGG、GoogleLeNet

2.5 Inception

2.6 ResNet、DenseNet

2.7 视频关键帧处理

2.8 物体检测与定位

2.9 RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN

2.10 YOLO

2.11 FaceNet

代码和案例实践：

搭建自己的卷积神经网络

基于CNN的图像识别

卷积神经网络调参经验分享

迁移学习（Transfer Learning）

人脸检测

OCR字体定位和识别

睿客识云

气象识别

周日

9：00~12:00

第三节：循环神经网络RNN

3.1 RNN基本原理

3.2 LSTM、GRU

3.3 Attention

3.4 编码器与解码器结构

3.5 言特征提取：word2vec

3.6 Seq2seq模型

代码和案例实践：

智能对话和阅读理解

图片标注与图片问答

搭配CNN使用，组成CNN+LSTM模型

Bi-LSTM双向循环神经网络结构

循环神经网络调参经验分享

13：30~18：30

第四节：生成对抗网络GAN与增强学习RL

4.1 生成模型：贝叶斯、HMM到深度生成模型

4.2 GAN对抗生成神经网络

4.3 DCGAN

4.4 Conditional GAN

4.5 InfoGan

4.6 Wasserstein GAN

4.7 马尔科夫决策过程

4.8 贝尔曼方程、最优策略

4.9 策略迭代、值迭代

4.10 Q Learning

4.11 SarsaLamda

4.12 DQN

4.13 A3C

代码和案例实践：

图片生成

看图说话

对抗生成神经网络调参经验分享

飞翔的小鸟游戏

基于增强学习的游戏学习

DQN的实现

报名方式

报名咨询请添加微信号：kellyhyw

或扫描下方二维码

手机号码：17150893080

↓↓↓ 点击阅读原文【看课程详情】