大数据产业培训基地举办《人工智能机器学习、深度学习算法开发实战会议2018（12月广州班）》

2018年12月21日 9:00 至 2018年12月23日 18:00 ，大数据产业培训基地在 广州·广州圣丰索菲特大酒店·广东省广州市天河区广州大道中988号举办《人工智能机器学习、深度学习算法开发实战会议2018（12月广州班）》，会议大约有50人参加。

会议通知

---

人工智能机器学习、深度学习算法开发实战会议2018（12月广州班）宣传图

   近年来，人工智能经历了从爆发到寒冬再到野蛮生长的历程，伴随着人机交互、机器学习、模式识别等人工智能技术的提升，机器人与人工智能成了这一技术时代的新趋势。云计算和大数据的蓬勃发展更使得人工智能迎来了新的契机，在互联网、汽车、智能家居，机器人等各领域，人工智能在进行着“井喷式”创新，并即将进入发展的‘黄金时代’。人工智能，不是取代而是一种演化与升级，它终将也会像其他技术革命一样，让人类强大，让世界上的不可能减少，让我们可以创造更多美好。当无人超市出现在街头，当AI程序“AlphaGo”战胜了人类围棋世界冠军，当汽车开启了“无人驾驶”新时代，不论人们对于人工智能是怀抱对未来的憧憬还是对是否会引发“失业潮”的担忧，它都已“入侵”我们的很多生活细节，并且正在逐渐改变整个人类社会的发展方向。人工智能的兴起是大数据、云计算科学进步的产物，也是人类对未来世界向往的必然，人工智能显然已经成为中国所有主流科技公司不能忽视的力量。因此大数据产业培训基地特推出了“人工智能进阶高级实战培训”，本次培训由数环云创（北京）科技有限公司具体承办，望相关单位收到通知后积极参加。相关培训事宜如下:

   数环云创——国内IT领域专业化培训与项目咨询、解决方案提供商。专注于大数据、人工智能、区块链、云计算、移动互联网、VR等新型技术方面的培训，为企业和高校开展大数据应用人才培训，课程体系等产品服务。

   大数据产业培训基地--拥有一批来自一线互联网行业（包括阿里、百度、腾讯、IBM、微软、Teradata等）知名的技术专家和管理人员组成的培训讲师团队，分别在金融银行业、电信业、互联网行业、医疗、电商、公安交通等领域有丰富的实战经验。传授最新的、最专业的、最实战的大数据技术知识，培训课件都经过了具有丰富教学课程体系研发团队的精心设计。数环云创是您企业培训的最佳选择，数环云创将致力于打造企业技术培训的领航者。

 为顺应未来人工智能的发展趋势，大数据产业培训基地成立了AI人工智能学院，立足自身多年培训资源、结合自身特色， 为一步推进人工智能核心技术的研发和产业化，建立人工智能实训基地，努力打造成为国内前沿的人工智能线下培训体系，旨在为人工智能领域的创新企业提供高端、复合型人才。对于AI领域的从业者来说，人工智能、机器学习和深度学习之间的差别应该非常清楚，机器学习则是人工智能领域的一个小分支，如果说AI是一个合集，那么ML就是AI的子集。机器学习在公司数据处理中扮演了一个很重要的角色。机器学习也是目前最接近人工智能的系统。人工神经网络是一种拟人数据处理模式。它是深度学习的基础，深度学习是一种使用深度神经网络进行大量数据构建的系统。人工智能，机器学习与深度学习都离不开大数据。人工智能的未来在于深度学习，因为它已经使很多机器学习的应用成为了可能。一个很好的例子便是使用深度学习进行图片识别，其表现在一定程度上已经超过了人类。我们已经在一个科技逐步迎合人类需求的时代，人工智能的未来拥有无限的可能性。 

 1) 深入理解神经网络结构和实践技巧。

   2) 掌握工业级实用技术：深度神经网络压缩！

   3) 深入理解深度卷积神经网络和实践技巧。

   4) 深入理解图像搜索前沿技术。

   5) 掌握一线互联网公司深度学习项目研发思路：以大规模车辆重识别系统为例

   6) 深入理解Word2Vec、RNN/LSTM/GRU和Seq2Seq模型

   7) 算法原理+实践代码，手把手带你玩转深度学习模型！ 

 1)想入门深度学习者

   2)深度学习的入门选手，想进一步提升原理理解和实践者

   3)看了大量的公开课、教程却还是似懂非懂者

   4）大学本科生、研究生想收割一线互联网深度学习研发offer者

   5）想转行从事人工智能行业的学习者

 2018年12月21日-12月23日 周五、周六、周日（20号培训报到） 广州

   2019年01月18日-01月20日 周五、周六、周日（17号培训报到） 珠海

数环云创（北京）科技有限公司成立于2015年3月，是一家初创的新型互联网科技企业，公司目前致力于IT领域的信息化培训与项目咨询、企业大数据实施与技术服务的解决方案提供商。

会议日程 （最终日程以会议现场为准）

---

日程	课程主题	主要内容
第 一 天 上 午	决策树模型与各种集成模型； Kaggle与工业界的大杀器—Xgboost; 随机森林与深度学习的结合；	1.决策树模型及其原理； 2.Bias and Various tradeoff原理：评估模型性能的直观解释； 3.各种集成模型（Ensemble）：bagging, boosting和随机森林等树集成模型与他们的原理和实际应用； 4.Kaggle与工业界的大杀器—Xgboost: 原理和实际应用中的技巧（如何在比赛和实际项目中使用xgboost达到最好的效果）； 5.随机森林与深度学习的结合：Deep Forest的原理，数学推导和实用性； 6.实战：各种特征工程和分类器在真实案例中的应用
第 一 天 下 午	多层神经网络（MLP）与深度学习	1.多层全连接神经网络： ? 多层神经网络的结构与网络表达； ? 向前传播与反向传播原理和数学推导； ? 激活函数使用方法与优劣； ? 损失函数使用方法与优劣； ?  各种正则化原理使用方法与优劣（L1，L2, dropout等）； 2. 深度学习与多层神经网络的关系； 直观解释和理论分析深度学习效果强劲的背后原理； 3. 实战：用python手工来实现复杂的多层神经网络结构
第 二 天 上 午	卷积神经网络（CNN）与计算机视觉（CV）	1.  计算机视觉中的大杀器—卷积神经网络： 卷积神经网络的结构； 卷积层的原理和计算推导； 池化层； 全连接层； 2. 最近几年常用的卷积神经网络结构（Letnet, Alexnet, Vgg, Googlenet, Resnet等）和核心数学公式推导; 3. 深度迁移学习（transferlearningindeeplearning）与多任务学习（multi-tasklearning）：    深度迁移学习在计算机视觉中的基本概念和实际使用方法； 4. 实战：用卷积神经网络实现物体识别
第 二 天 下 午	循环神经网络（RNN）与自然语言处理（NLP）	1、在计算机中词向量的表达形式和word embedding; 2、从词向量到wordembedding的方法——word2vec: skip-gram和CBOW的原理，数学推导和实际应用； 3、循环神经网络（RNN）的结构与原理：    循环神经网络在不同应用中的不同网络结构；    LSTM和GRU的拓扑网络结构    它们之间联系与区别； 4、Sequence to Sequence模型的组成与优缺点； 5、Attention-based模型的组成与数学推导； 6、实战：用基于attention-based Seq2Seq实现机器翻译；
第 三 天 上 午	深度学习在Google, Facebook, 百度，阿里等互联网巨头公司中的成功应用——广告点击率预估（CTR预估）	1、什么是广告点击率预估，广告点击率预估的商业价值是什么;  2、早期各大公司中广告点击率预估的机器学习模型的应用和原理：    LR, LR-FTRL; Factorization Machines; GBDT+LR; 3、最近两年中，深度学习在这个领域的发展和实际应用：    l  Wide & Deep Learning;    l  Deep Learning over Multi-field    categorical data: FNN and SNN;    l  Product-based Neural Networks: PNN;    l  DeepFM;    l  Neural Factorization Machine（NFM）    l  Attentional Factorization Machine（AFM）
第 三 天 下 午	未来通用人工智能和最近热门的发展方向—迁移学习（transferlearning），生成对抗网络（GAN）和深度强化学习（Deep Reinforcement Learning）	1、迁移学习的基本概念和各种应用场景； 2、四类迁移学习的方法； 3、最近的深度学习中的迁移学习：    几种常见的深度迁移学习的算法原理和核心数学公式推导； 4、生成模型与判别模型的区别与联系 5、生成对抗网络的基本原理和网络结构； 6、介绍深度强化学习；    2016年轰动人类的人工智能—AlphaGo的原理和数学推导；    100 vs 0击败AlphaGo的又一“魔鬼”：AlphaGo Zero的原理和改进之处；
第 三 天	自然语言处理中的机器学习	1.    词嵌入模型 word embedding; 2.    高级词向量表达技术：word2vec的两个模型； 3.    RNN网络：从传统RNN到LSTM, GRU和Bi-LSTM的原理理解与推导 4.    简单理解Seq2Seq模型：Encoder-Decoder 5.    实践:基于Seq2Seq的机器翻译模型
第 三 天	高级自然语言处理技巧与 人工智能热门技术	1.    重新认识Seq2Seq模型，    基于Attention-based model; 2.    强化学习概述与应用； 3.    GAN技术的概述与应用； 4.    人工智能技术在工业界的发展展望与讨论
	本提纲只是一个初始版本，为了课程需要，中间细节内容可能略微调整。授课时预留一些时间给学员答疑解惑，每天的课程会留出来一些时间给学员做总结和答疑阶段，为了学员能更好的学以致用，建议学员带着自己实际项目或者之前学习过程中的问题去听课，授课过程中积极与讲师互动，来解决之前的困惑。

会议嘉宾 （最终出席嘉宾以会议现场为准）

---

    彭老师：基地金牌讲师：彭博士毕业于国内Top5高校计算机专业，在人工智能和模式识别领域发表了10余篇顶级会议和期刊。目前在国内某知名互联网公司担任人工智能算法高级技术专家，有深厚的学术背景和丰富的项目及业务落地经验。彭老师还长期担任校园招聘和社会招聘技术面试官，有丰富的招聘面试经验。因其深入浅出、诙谐幽默的授课风格，彭老师的课程大受学生喜爱，口碑非常好。

   张老师：基地金牌讲师：数据科学家，7年以上的机器学习和数据挖掘经验。在互联网公司从事机器学习相关项目的研发，落地与实际应用，主导公司的实际业务，带领团队在算法优化创新等方面持续深耕，推动项目的实施落地。在金融，推荐系统，图像和自然语言处理方面都有深入的研究和实际项目经验。从2011年开始从事机器学习和数据挖掘的相关研究工作，对于机器学习，深度学习，强化学习的原理和实际应用有自己独到的见解。熟悉Hadoop，Spark等大数据平台。在机器学习领域发表过多篇顶级期刊会议文章，也是多个顶级期刊会议的审稿人。

参会指南

---

培训费用：5800元/人/项（含培训、教材、专家、场地、证书、学习用品费等）

团购票：4000元/人，5张起售