机器读心术之神经网络与深度学习.pdfVIP

技术成就梦想 机器读心术之神经网络与深度学习 这是“机器读心术”系列的第二门课程（另一门课是《机器读心术之文本挖掘与自然语言处 理）。Alphago 的秘密将本课程内被揭开！ 深度学习正在引发一场深刻的技术革命，这是人类首次如此接近思维的本质。象手写体识别， 脸像识别这类系统，过去的思路是从业务背景中线提取特征，然后产生若干辨识逻辑，再形 成算法编程实现，但对于像imagenet 那样要对上百万的图片进行上千个分类识别的问题， 以往的技术就傻眼了，别说逻辑，连特征的提取都因为过于复杂而没办法进行。现在流行的 深度学习网络的方法，把逻辑隐藏在成百上千万的神经网络权值里，让特征被自动识别与提 取，却能得出让人吃惊的高准确率。给出通用的框架，通过大量学习数据训练出合适的权值， 权值就是逻辑，这是未来的方向，那种先设计算法敲代码的日子该一去不复返了，以后甚至 程序员的工作都由机器全部完成也不是没有可能。 深度学习是传统神经网络的发展延伸，随着AlphaGo 的热潮成为当前机器学习最火热的前 沿方向之一，预计在今后数年以深度学习为主要内容的人工智能将形成继云计算，大数据后 的新热点，引发创业潮和技术革命，前程无量。我们学习掌握这个领域的知识，可以抓住未 来的发展方向。深度学习领域的特点是适合读的成熟教材几乎没有，但有浩瀚如烟的一大堆 论文构成整个知识体系的各种细节，所以体系化这些知识，是学习者面对的首要困难。其次， 这些领域大多涉及深涩艰难的算法模型，比如Hopfield 网络，受限玻尔兹曼机，自编码器， 卷积神经网络，深度置信网络等，基础稍差的人，估计即使花上几年去读，也不可能取得多 大的自我进展。知识难以理解的程度超出了很多学习者的极限。所以本课程的目的就是起指 路人的作用，为大家选材，整理，融合案例，通过体系化学习提高效率，力争在数个月时间 里系统掌握这个领域的大部分知识并应用到实践中去。 我开设这门课的“卖点”就是：用最通俗的语言，从起点开始，由浅入深讲解这些机器领域里 最深奥的知识，使即使基础不扎实，理解能力不超群的大众，也能通过课程掌握这些前沿领 域的细节技术，并且应用在自己的场景里去完成某些事情。这不是一项轻松愉快的讲授任务， 但按照以往在炼数成金上讲授诸多同样具有难度的课程的经验，以及各位同学的鼓励鞭策， 又给我无穷的力量和信心，坚持下去把课程做完做好。 课程大纲： 第1 课 跌宕起伏70 年：神经网络发展概述；最简单的神经元仿生：单层感知器 第2 课 线性神经网络，BP 神经网络，基于梯度下降的各种学习算法 第3 课 BP 神经网络应用，图像压缩，信用识别；稀疏自动编码器与特征提取 第4 课 能联想和记忆的Hopfield 神经网络，DHNN 与DCNN；应用：OCR 识别，解决旅行 商问题 第5 课 模拟退火算法与Boltzmann 机：随机版的Hopfield 神经网络 第6 课 受限Boltzmann 机RBM，应用RBM 进行协同过滤 第7 课 深度置信网络：利用堆叠的RBM 进行权值预训练，应用于图像编码与解码，图像识 别 第8 课 万能逼近器：径向基神经网络；PCA 与SVM 神经网络 第9 课 自组织竞争神经网络，递归神经网络 @ DataGuru 专业数据分析社区 网址 ：edu.dataguru.cn 1 技术成就梦想 第10 课 卷积神经网络；经典应用：MNIST 手写体数字识别，Imagenet 图像识别 第11 课 计算机博弈原理，蒙特卡洛树有哪些信誉好的足球投注网站，深度学习与AlphaGo ，价值网络与策略网络的 设计，构成和训练 第12 课 深度学习在自然语言处理中的应用 第13 课 堆叠150 层的超深度网络：深度残差网络 授课对象： 对神经网络技术和深度学习感兴趣者，潜在研究者，爱好者，职业方向准备转型高级数据分 析师，迈向数据科学家的朋友。最好是学习过炼数成金上《机器学习》课程或具备类似能力。 收获预期： 熟悉神经网络技术和深度学习，懂得怎样运用到自己的实际工作，设计有一定规模的学习系 统，智能化地解决某些场景的实际问题。个人技术能力和数据分析能力，知识见解有明显增 长 授课讲师： tigerfish，知名数据库网站ITPUB 创始人，知名数据分析网站炼数成金创始人。数据库专家， 数据分析专家，有丰富的IT 领域、数学领域的知识经验。他将带领他的数据分析团队完成 整个授课工作。