实战深度学习，我们给你整了6个杀手级项目

导读：想玩转深度学习，又不想学一堆理论和数学公式，怎么办？别怕，我们为你找了6个应用前沿深度学习技术的工业级项目。一起来瞧瞧！

语音识别、图像识别、聊天机器人…这些深度学习“diao炸天”的应用相信对你来说早已经不陌生了。既然深度学习这么神通广大，就让我们一起开心地学习深度学习吧！

课程简介

在此之前，我们举办过了三期机器学习集训营，从Python基础开始讲起，每一期都有很多同学拿到了dream offer。同时前几期一直有同学表示，希望在深度学习方向有更深入的学习和实践，建议我们在深度学习方向也开一个集训营，略过Python基础，从TensorFlow搭建DNN解决问题起步，实战BAT工业项目。

深度学习集训营特此推出，4月24日正式开课，线上线下结合（线下在北京和上海），从头到尾全部实战，涵盖特征工程、深度学习在计算机视觉和自然语言处理领域中的应用，更有大规模车辆图片检索等应用于智慧城市、视频监控等场景的杀手级项目。

讲师团队

寒小阳

著名电商搜索广告负责人，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。

课程大纲

预习阶段 从DL基础起步，掌握三大核心模型

在线视频：DNN与CNN，及NN框架

1-DNN与混合网络：google Wide&Deep

2-实战项目：数据非线性切分+google wide&deep 模型实现分类

3-CNN:从AlexNet到ResNet

4-实战项目：搭建CNN完成图像分类示例

5-NN框架：caffe, tensorflow与pytorch

6-实战项目：用几大框架完成DNN与CNN网络搭建与分类

在线视频 ：RNN、LSTM、与条件生成、attention

1-RNN/LSTM/Grid LSTM

2-实战项目：RNN文本分类

3-RNN条件生成与attention

4-实战项目：google神经网络翻译系统

第一阶段 从数据科学比赛里看深度学习应用

在线课程：业务场景下机器学习/深度学习数据处理与特征工程

1-业务场景下的特征处理与挖掘套路

2-如何用tensorflow进行常见的数据特征工程

3-tensorflow搭建baseline模型解决分类问题

在线课程：tensorflow搭建混合网络

1-wide network搭建与优缺点

2-deep neural Network搭建与优缺点

3-混合网络搭建套路

4-用混合网络解决分类问题

线下实战：从DNN/Wide/Wide&Deep解决房价预测问题

1-机器学习vs深度学习，工业界的利弊权衡

2-神经网络基本原理和训练要点

3-如何针对不同的应用场景选择模型结构

4-从wide&deep到混合网络的搭建与应用

5-以kaggle比赛为例讲解神经网络解决方案

第二阶段 深度学习在计算机视觉中的应用

在线课程：深度卷积神经网络原理与实践

1-卷积操作的数学定义和物理意义

2-卷积神经网络结构的两大原理—局部连接和权值共享

3-卷积神经网络的主体结构和变种

4-3小时内用百行代码登顶Kaggle图像分类比赛的Top-5%

在线课程：海量图像与tensorflow处理

1-Tensorflow输入数据——TFRecord与Dataset

2-Tensorflow图像预处理

3-Parameter Server原理

4-Tensorflow的分布式训练的实现

线下实战：图像分类与图像检索实战

1-灵活选取卷积神经网络结构作为图像分类的Backbone

2-迁移学习在深度学习中的应用——“微调”（Fine-tune）技术

3-图像搜索的前世（Bag-of-Visual-Words）和今生（Deep Learning）

第三阶段 深度学习在自然语言处理中的应用

在线课程：文本预处理，词袋模型，word2vec，语言模型

1-NLP基本知识：词袋、tf-idf、朴素贝叶斯

2-DL中的NLP基础：word2vec、doc2vec、embedding、N-gram LM

3-用深度学习一步步完成情感分析任务

在线课程：CNN/LSTM 文本分类

1-文本分类问题处理流程

2-传统模型在文本分类上的表现

3-从RNN到LSTM

4-CNN/LSTM 在文本分类上的应用

线下实战：文本语义相似度匹配模型以及Seq2Seq模型构建

1-深度学习在自然语言处理中的基础工具：word2vec、Embedding

2-文本检索与匹配通用模型方法：DSSM，CDSSM，DRMM，ARC-I

3-Seq2Seq模型搭建详解与应用案例

4-(短)文本语义相似度匹配模型构建及其实践应用

线下实战：图像生成文本(Image2text)

1-Image2text基本模型

2-基于Attention的Image2Text

3-反问题：Text2Image

第四阶段 高级深度学习应用场景

北京线下：基于深度学习的聊天机器人，看图说话与VQA

1-基于深度学习匹配的聊天机器人

2-基于序列到序列模型的聊天机器人

3-结合CNN与RNN的看图说话与VQA看图问答机器人

上海线下：大规模车辆图片搜索（Re-ID）算法原理及实践

1-多任务（Multi-task）深度学习模型搭建与训练

2-深度排序(Deep Ranking, Triplet Loss)原理与训练技巧

3-使用多任务和深度排序模型，构建一个工业界和学术界最前沿的大规模车辆图片搜索算法(可用于智慧城市、视频监控等安防场景)，在业界最大的车辆搜索开源数据集上取得State-of-the-Art效果

第五阶段 深度学习模型优化及实践技巧

北京线下：NLP与CV数据科学比赛案例详解与实践

1-NLP AI比赛：文本主题与标签预测(通用模型结构、textCNN与textRNN、texRCNN与其他网络)

2-图像比赛基本套路

3-图像分类与图像分割比赛解决方案介绍

上海线下：深度学习模型优化前瞻技术 以及实践技巧

1-深度卷积神经网络的历史变革和设计理念——从AlexNet到DenseNet

2-解析各类轻量级深度网络的设计理念——深度可分离网络

3-深度学习模型训练时应注意的问题即实践技巧

扫码听课