七月在线-深度学习集训营第三期2022

主讲:七月课时:六阶段
本深度学习集训营略过Python基础，直接从人工神经网络起步，实战BAT工业项目，并组织学员参赛，帮助学员成功就业或转行。为确保每一位学员的学习效果，本期继续维持前二期的从头到尾全部实战，但除了涵盖特征工程、以及深度学习在CV、NLP中的应用之外，特新增了以下三大模块：
a.工业界业务上线/部署的大杀器——神经网络压缩技术
b.新增深度学习在物体检测中的应用
c.深度学习在推荐系统中的应用
从而让内容更成体系、更加成熟。

课程介绍

七月在线-深度学习集训营第三期2022年 原价4999 完结无密本深度学习集训营略过Python基础，直接从人工神经网络起步，实战BAT工业项目，并组织学员参赛，帮助学员成功就业或转行。为确保每一位学员的学习效果，本期继续维持前二期的从头到尾全部实战，但除了涵盖特征工程、以及深度学习在CV、NLP中的应用之外，特新增了以下三大模块：a.工业界业务上线/部署的大杀器——神经网络压缩技术b.新增深度学习在物体检测中的应用c.深度学习在推荐系统中的应用从而让内容更成体系、更加成熟。

全是深度学习的典型应用场景

本期集训营总计六大阶段，近十个BAT实战项目，涵盖特征工程、混合网络，以及深度学习在计算机视觉当中的应用（比如物体检测、行人重识别）、在自然语言处理中的应用（比如文本处理、文本分类、机器翻译系统）、在推荐系统中的应用等BAT工业项目。

试看链接：https://pan.baidu.com/s/1vQaJhtmfNiwXb4BDNUGm6Q?pwd=ntc3章节目录：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&Deep2-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ResNet4-实战项目：搭建CNN完成图像分类示例5-NN框架：caffe, tensorflow与pytorch6-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、attention1-RNN/LSTM/Grid LSTM2-实战项目：RNN文本分类3-RNN条件生成与attention4-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视频：深入理解神经网络原理1-从线性分类器说到非线性分类器2-理解神经网络参数W的物理意义3-Backpropagation的两种理解/推导方式4-初探神经网络模型训练调参在线实训：基于tensorflow/keras实现分类任务在线视频：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%在线实训：参加Kaggle图像分类比赛并提交结果在线视频：神经网络压缩技术：工业界业务上线/部署的大杀器！1-业务场景下的特征处理与挖掘套路2-Deep Compression：兼顾神经网络模型的效果和效率3-详解网络剪枝技术（及其变种）以及知识蒸馏模型在线实训：基于tensorflow/keras实现知识蒸馏模型在线视频：深入理解CNN、RNN和LSTM1-CNN网络结构及误差反向传播推导2-RNN网络结构及误差反向传播推导3-LSTM及GRU在线实训：基于TensorFlow的CNN/RNN网络构建训练集推理应用线下实战：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视频：深度学习在物体检测中的应用（上）1-物体检测相关必备背景知识2-深入理解RCNN家族模型3-消灭令人抓狂的Anchor理解（从Motivation说到实践技巧）在线实训：MS-COCO物体检测by Faster RCNN在线视频：深度学习在物体检测中的应用（中）1-对比One Stage/Two Stage模型的优劣势2-从SSD说到YOLO-V33-深入理解Focal Loss-消灭Class Imbalance/Hard-Easy Examples Problem在线实训：MS-COCO物体检测by YOLO-V3在线视频：深度学习在物体检测中的应用（下）1-物体检测中多尺度变化问题的处理2-2019年物体检测领域的弄潮儿：Anchor Free3-刷新行人检测记录的新思路：Center and Scale Prediction在线实训：行人检测by CSP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Backbone2-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视频：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 LM3-用深度学习一步步完成情感分析任务在线实训：基于维基百科语料库自己动手训练word2vec模型在线视频：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LSTM4-CNN/LSTM 在文本分类上的应用在线实训：百行代码用CNN/LSTM实现文本分类在线视频：图像生成文本(Image2text)1-Image2text基本模型2-基于Attention的Image2Text3-反问题：Text2ImageM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、Embedding2-文本检索与匹配通用模型方法：DSSM，CDSSM，DRMM，ARC-I3-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第四阶段 高级深度学习应用场景在线视频：当下流行的语言模型BERT介绍1-语言模型的发展历程2-BERT（Bidirectional Encoder Representations from Transformers）语言模型介绍3-从预训练到NLP问题求解4-应用举例：问答系统，命名实体识别在线实训：实战BERT模型与fine tuning在线视频：生成式对抗网络（GAN）1-15分钟无公式理解GAN2-GAN的基本推导和优化目标3-GAN的训练难点以及Improved GAN Training4-From GAN to WGAN在线实训：Step by Step实现DCGAN在线视频：深度学习在推荐系统里的应用场景1-深度学习模型用作Feature Embedding2-Cross Layer：为推荐系统定制的网络结构3-与传统推荐模型的结合上午线下：基于深度学习的聊天机器人，看图说话与VQA1-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看图问答机器人下午线下：智慧城市中的核心技术：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)，在业界的车辆搜索开源数据集上取得State-of-the-Art效果4-ReID算法思维延伸：基于视觉特征二次识别问题的技巧（比如Person Re-ID）第五阶段 深度学习模型优化及实践技巧在线视频：NLP应用之文本分类系统NLP的经典任务，但应用场景也非常广泛。情感分类被应用于利用网上评论打分，探究金融市场情绪。主题分类被应用于新闻分类，intent classification被用于构建聊天机器人。在线实训：从特征抽取到索引构建——自己动手实现实现一个文本分类系统在线视频：CV方向专项项目1-深入理解损失函数曲线2-CNN模型训练/实践中的常见问题以及Checklist3-CNN模型训练的若干高效技巧（Bag of Tricks）4-若干技术面试真题快问快答在线实训：基于CoCo数据集上实现物体检测分类模型Faster-RCNN在线视频：推荐应用之电商平台的商品推荐电商业务在全球各大互联网公司的营收中都占有极其重要的地位，推荐系统对用户推荐商品的质量好坏直接影响了巨头们的股价，商品推荐团队是公司各大算法团队中的核心团队，有着绝对地位的优势，我们针对全球Top 1的电商数据进行推荐算法优化。上午线下：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NLP与CV数据科学比赛案例详解与实践下午线下：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DenseNet2-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
查看完整课表