1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
        2、课程完成后,授课老师留给学员手机和Email,保障培训效果,免费提供半年的技术支持。
        3、培训合格学员可享受免费推荐就业机会。

深度学习模型 & Tensorflow框架培训大纲

深度学习基本原理

1、深度学习简介
2、深度学习成功应用
3、深度学习与神经网络的对比
4、深度学习的训练过程
5、深度学习的具体模型

自动编码器

稀疏自动编码器

降噪自动编码器
6、深度学习应用案例

深度学习模型原理解析

1、CNN

CNN模型的推导与实现

CNN的反向求导及练习

CNN应用：文本分类

CNN 常见问题总结
2、RNN

RNN模型的推导与实现

RNN的反向求导及练习

RNN应用：个性化电影推荐

RNN常见问题总结
3、LSTM

LSTM模型的推导与实现

LSTM的反向求导及练习

LSTM应用：文本识别

LSTM常见问题总结
4、DNN

DNN模型的推导与实现

DNN的反向求导及练习

DNN应用：CTR预估

DNN常见问题总结
5、广告搜索中深度学习的应用

查询意图识别：CSR

文本相关性：Word2Vec。DSSM

CTR预估：DNN、MxNet

图像理解：VGGNet、CNN

深度学习框架实践Tensorflow

1、Tensorflow框架介绍
2、TensorFlow和其他深度学习框架的对比
3、Tensorflow 特性
4、Tensorflow 下载及安装
5、Tensorflow 架构
6、Tensorflow 基本使用
7、TensorFlow实现多层感知机
8、TensorFlow实现卷积神经网络

TensorFlow实现简单的卷积网络

TensorFlow实现进阶的卷积网络

TensorFlow实现经典卷积神经网络

TensorFlow实现ResNet
9、Tensorflow 实现循环神经网络及Word2Vec

Tensorflow 实现Word2Vec

Tensorflow 实现基于LSTM的语言模型
10、TensorFlow实现深度强化学习

深度强化学习简介

TensorFlow实现策略网络

TensorFlow实现估值网络
11、TensorBoard、多GPU并行及分布式并行

TensorBoard

多GPU并行

分布式并行
12、实战：Python中实现LSTM模型搭建：时间序列

基于某家店的某顾客的历史消费的时间推测该顾客前下次来店的时间
13、实战：用TensorFlow搭建图像识别系统
14、Tensorflow结合Spark