---

认证方式：培训前了解能力模型。培训后进行能力评测： 在线考试 能力分析，给出学习建议 合格者颁发证书，作为职业技能资格证明

---

• 深度学习模型应用常见应用场景
• 深度学习模型基础技术栈
• 深度学习模型常见的难点
• 基于深度学习框架TensorFlow进行深度学习模型案例实现

• 希望了解深度学习模型的人员
• 希望了解深度学习模型技术的人员
• 正在工作中面临深度学习模型问题的架构师，分析师等

主题	课程安排
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ResNet9、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

票种名称	价格	原价	票价说明
会务费	¥5000	¥	课程费用