4月Python人工智能之Pytorch深度学习高级实战远程直播研修班

第一天

第1讲：机器学习简介及PyTorch基础

1.     机器学习简介

2.     Python及其机器学习、深度学习工具栈

3.     机器学习应用案例（分类、回归、聚类等）

4.     PyTorch简介

5.     PyTorch基础概念之Tensor

6.     PyTorch基础概念之autograd

7.     TensorBoard与visdom简介

第2讲：深度神经网络与PyTorch

1.  深度学习简介

2.  PyTorch的神经网络工具箱

3.  逻辑回归及其PyTorch实现

4.  感知器及其PyTorch实现

5.  前馈神经网络与反向传播算法

6.  PyTorch与个性化数据集

7.  深度学习训练技巧

8.  案例：

    8.1 手写数字识别

 8.2 物品识别

 8.3 CIFAR-10图像分类

 8.4 使用神经网络进行房价预测

第二天

第3讲：卷积神经网络及其PyTorch实现

1.  卷积神经网络基础

2.  PyTorch中的卷积神经网络

2.1 卷积操作

2.2 功能操作（激活函数、池化操作等）

2.3 卷积神经网络的训练

3.  几种经典的卷积神经网络架构

3.1 LeNet-5

3.2 AlexNet

3.3 VGG

3.4 GoogleNet

3.5 ResNet

4. 卷积神经网络应用案例及其PyTorch实现

4.1 新闻文本分类案例解析

4.2 图像分类案例解析

4.3 风格迁移案例解析

第4讲：循环神经网络及其PyTorch实现

1.  循环神经网络（RNN）基本概念

2.  基础RNN及其PyTorch实现

3.  循环神经网络的训练

4.  循环神经网络的变体

4.1 LSTM

4.2 GRU

5.  循环神经网络应用案例

5.1 自然语言处理之词嵌入

5.2 机器翻译

第三天

第5讲：生成式深度学习与深度强化学习及其PyTorch实现

1.  生成式深度学习简介

2.  自编码器

2.1 栈式自编码器的PyTorch实现

2.2 降噪自编码器的PyTorch实现

2.3 稀疏自编码器的PyTorch实现

2.4 变分自编码器的PyTorch实现

3.  案例：利用变分自编码器进行图像生成

4.  生成对抗网络（GANs）基础及其PyTorch实现

5.  常见的生成对抗网络架构

    5.1 DCGAN

    5.2 CGAN

    5.3 CycleGAN

6.  生成对抗网络应用案例

6.1 卡通头像生成案例解析

6.2 图像补全案例解析

6.3 自然语言处理中的生成对抗网络应用

7.  深度学习与强化学习

8.  案例：利用深度Q-Learning进行吃豆人游戏

第6讲：更多深度学习主题及案例

1.  使用深度学习解决计算机视觉问题

2.  目标检测与语义分割

3.  案例：利用深度学习进行肺炎自动分割

4.  案例：利用深度学习进行钢材缺陷检测

5.  案例：利用LSTM进行文本生成

6.  案例：深度梦境（DeepDream）的PyTorch实现

7.  PyTorch调试最佳实践

8.  深度学习的分布式训练