深度学习：从理论到实践

深度学习的概念已经非常火，并广泛应用在计算机视觉、计算机图形学等人工智能方向中。深度学习，作为机器学习的一个特定分支，它的原理或本质是什么？为什么深度学习在诸多领域应用中的表现，远超传统的机器学习方法？

深度学习的概念由Hinton等人于2006年提出至今，大量的深度学习模型被改进和优化。但遗憾的是，至今没有一套严谨科学的课程体系适合本科生或者研究生入门深度学习，这就是我们设计《深度学习：从理论到实践》这门课程的目的。此次课程的讲师团队全部毕业于中国科学院自动化所，这一全国人工智能研究Top 1的机构（2017年，中科院自动化所成为国内唯一一家在人工智能领域发表超500篇论文的单位）。

讲师团队

汪博士，中国科学院自动化研究所博士，在模式识别与人工智能领域工作近10年，以第一作者在相关领域顶级期刊（包括神经网络顶级期刊TNNLS）以及会议上发表论文10多篇。曾获得中科院百优论文以及中科院院长特别奖。

宫博士，中国科学院自动化研究所博士，模式识别与智能系统专业，在计算机视觉与人工智能领域具有近六年的研究经历。攻读博士学位期间主要研究方向是模式识别与图像处理，曾在模式识别领域内顶级国际期刊发表论文，参加某知名互联网公司举办的图像分割竞赛，获得第四名的成绩。目前即将就职于国内某知名外企，任算法工程师一职，主要负责计算机视觉与人工智能方面的算法研发工作。

肖博士，中国科学院自动化研究所博士在读。计算机应用技术专业，在计算机视觉与人工智能领域具有七年研究经历。期间的主要研究方向是目标检测与语义分割，曾在计算机视觉领域顶级国际期刊发表论文，并在国际会议上发表并获评最佳论文。目前即将就职于国内某知名外企，任算法工程师一职，主要负责计算机视觉与图像处理方面的算法研发工作。

王博士，中国科学院自动化研究所博士在读。主要研究领域包括深度学习与计算机视觉，主攻Caffe框架。曾经参加全国视频图像分析技术挑战赛，获得目标检测识别第二名。

常博士，中国科学院自动化研究所博士在读。主要研究领域包括深度学习与计算机视觉，主攻Keras框架。

课程目录（简介）

1. 深度学习基础 （4学时）
       主要包括机器学习概论、贝叶斯决策理论、参数与非参数估计、回归与分类、梯度下降优化以及信息熵等。

2. 深度学习理论（8学时）
       主要包括前馈神经网络（单层神经网络与多层神经网络）、卷积神经网络（基本概念、发展历程、网络特点、网络设置、网络训练以及相关应用）以及反馈神经网络（Hopfield网络、玻尔兹曼机、受限玻尔兹曼机等）等。

3. 深度网络常见模型与Keras实战（4学时）
       主要包括Keras与Python简介、自动编码机及其变种、生成对抗网络以及残差网络等。同时会介绍相关网络的Keras实现。

4. 深度学习框架（4学时）
       主要包括Caffe简介、源码介绍、使用技巧、添加自定义层以及案例应用等。

参考资料：《模式分类》、《深度学习-Caffe之经典模型详解与实战》以及Keras中文文档。

开课时间和形式

6月24日~7月24日，连续5周周末（周六、周日），每晚7点-9点。在线直播课，直播过后可以随时回看视频

梯度价格

第一梯度：课程售价为399元，名额为100人；名额满后价格自动转入第二梯度。

第二梯度：课程售价为499元，名额为200人；名额满后价格自动转入第三梯度。

第三梯度：6月24日以后，课程售价为699元。