第

二

节

回归和随机森林

线性回归

       Logistic/Softmax回归

       广义线性回归

       L1/L2正则化

       Ridge与LASSO

       Elastic Net

       梯度下降算法：BGD与SGD

       ID3、C4.5、CART详解

       决策树的正则化

       预剪枝和后剪枝

       Bagging

       随机森林

       不平衡数据集的处理

       利用随机森林做特征选择

       使用随机森林计算样本相似度

       异常值检测

代码和案例实践：

       1.泰坦尼克号乘客缺失数据处理和存活率预测

       2.环境检测数据异常分析和预测

       3.模糊数据查询和数据校正方法

       4.PCA与鸢尾花数据分类

       5.二手车数据特征选择与算法模型比较

       6.广告投入与销售额回归分析

       7.鸢尾花数据集的分类

       8.决策树和随机森林的可视化

       9.葡萄酒数据集的决策树/随机森林分类

第

三

节

卷积神经网络CNN

神经网络结构，滤波器，卷积

       池化，激活函数，反向传播

       目标分类与识别、目标检测与追踪

AlexNet、VGGNet、GoogleLeNet

       Inception-V3/V4

       ResNet、DenseNet

代码和案例实践：

       数字图片分类

       卷积核与特征提取

       以图搜图

       人证合一

       卷积神经网络调参经验分享

第

四

节

图像视频的定位与识别

视频关键帧处理

       物体检测与定位

       RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN

       YOLO

       FaceNet

代码和案例实践：

       迁移学习

       人脸检测

       OCR字体定位和识别

       睿客识云

       气象识别

第

五

节

循环神经网络RNN

RNN基本原理

       LSTM、GRU

       Attention

       CNN+LSTM模型

       Bi-LSTM双向循环神经网络结构

       编码器与解码器结构

特征提取：word2vec

       Seq2seq模型

代码和案例实践：

       看图说话

       视频理解

       藏头诗生成

       问答对话系统

OCR

       循环神经网络调参经验分享

第

六

节

自然语言处理

语言模型Bi-Gram/Tri-Gram/N-Gram

分词

词性标注

依存句法分析

语义关系抽取

词向量

文本分类

机器翻译

文本摘要

阅读理解

问答系统

情感分析

代码和案例实践：

输入法设计

HMM分词

文本摘要的生成

智能对话系统和SeqSeq模型

阅读理解的实现与Attention

第

七

节

生成对抗网络GAN

生成与判别

       生成模型：贝叶斯、HMM到深度生成模型

       GAN对抗生成神经网络

       DCGAN

       Conditional GAN

       InfoGan

       Wasserstein GAN

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

第

八

节

强化学习RL

为何使用增强学习

       马尔科夫决策过程

       贝尔曼方程、最优策略

       策略迭代、值迭代

       Q Learning

       SarsaLamda

       DQN

       A3C

       ELF

代码和案例实践：

OpenAI

       飞翔的小鸟游戏

       基于增强学习的游戏学习

       DQN的实现