第一天：人工智能概念與經(jīng)典算法

人工智能概念綜述（第一天——1）

1、  從一些術(shù)語(yǔ)辨析人工智能

2、  人工智能之連接主義的興衰史

3、  這次AI的熱潮是怎么來的？

圖像處理領(lǐng)域的最新熱點(diǎn)（第一天——2）

1、  分類、目標(biāo)檢測(cè)與實(shí)例分割

2、  風(fēng)格遷移

3、  自動(dòng)駕駛

4、  人體姿態(tài)識(shí)別

5、  超分辨率圖像生成

語(yǔ)言處理領(lǐng)域的最新熱點(diǎn)（第一天——3）

1、  Attention機(jī)制

2、  自動(dòng)構(gòu)建知識(shí)圖譜

3、  看圖說話

4、  預(yù)訓(xùn)練機(jī)制

三大經(jīng)典算法（第一天——4）

1、  決策樹算法

2、  決策樹案例：手術(shù)后駝背的發(fā)生概率

3、  聚類算法

4、  聚類案例：鳶尾花數(shù)據(jù)的聚類

5、  關(guān)聯(lián)規(guī)則算法

6、  關(guān)聯(lián)規(guī)則案例：超市購(gòu)物籃分析

性能評(píng)價(jià)指標(biāo)（第一天——5）

1、  準(zhǔn)確率；精確率、召回率；F1

2、  真陽(yáng)性率、假陽(yáng)性率

3、  混淆矩陣

4、  ROC與AUC

5、  案例：繪制ROC并計(jì)算AUC、F1

6、  對(duì)數(shù)損失

7、  Kappa系數(shù)

8、  回歸：平均絕對(duì)誤差、平均平方誤差

9、  案例：繪制擬合曲線，計(jì)算擬合優(yōu)度

10、              聚類：蘭德指數(shù)、互信息

11、k折驗(yàn)證

BP神經(jīng)網(wǎng)絡(luò) （第一天——6）

1、  人工神經(jīng)元及感知機(jī)模型

2、  前向神經(jīng)網(wǎng)絡(luò)

3、  sigmoid

4、  梯度下降

5、  誤差反向傳播

6、  BP神經(jīng)網(wǎng)絡(luò)案例：可手算的神經(jīng)網(wǎng)絡(luò)

支持向量機(jī) （第一天——7）

1、  統(tǒng)計(jì)學(xué)習(xí)問題

2、  支持向量機(jī)

3、  核函數(shù)

4、  多分類的支持向量機(jī)

5、  用于連續(xù)值預(yù)測(cè)的支持向量機(jī)

6、  SVM案例： iris的三個(gè)分類

第二天：機(jī)器學(xué)習(xí)進(jìn)階與深度學(xué)習(xí)初步

隱馬爾科夫模型（第二天——1）

1、  馬爾科夫過程

2、  隱馬爾科夫模型

3、  三個(gè)基本問題（評(píng)估、解碼、學(xué)習(xí)）

4、  前向-后向算法

5、  Viterbi算法

6、  Baum-Welch算法

集成學(xué)習(xí)（第二天——2）

1、  bagging

2、  adaboost

3、  隨機(jī)森林

4、  GBDT

深度學(xué)習(xí)初步（第二天——3）

1、  深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系

2、  目標(biāo)函數(shù)

3、  激勵(lì)函數(shù)

4、  學(xué)習(xí)步長(zhǎng)

5、  Adagrad\RMSprop\Adam

6、  避免過適應(yīng)

用于分類的CNN（第二天——4）

1、  分類典型應(yīng)用場(chǎng)景（imageNet數(shù)據(jù)集）

2、  Alexnet（開山之作）

3、  VGG（5層變?yōu)?/span>5組）

4、  GoogLenet（還在試驗(yàn)各種架構(gòu)的組合嗎？）

5、  Resnet（還可以再“深”下去）

用于目標(biāo)檢測(cè)的CNN（第二天——5）

1、  CNN目標(biāo)檢測(cè)典型應(yīng)用場(chǎng)景

2、  RCNN（兩個(gè)頭的網(wǎng)絡(luò)）

3、  Fast/faster RCNN（又快又好）

第三天：深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)

RNN（第三天——1）

1、  基本RNN

2、  LSTM（三個(gè)門）

3、  GRU（減為兩個(gè)門）

GAN（第三天——2）

1、  基本的生成對(duì)抗網(wǎng)絡(luò)

2、  DCGAN（技巧的勝利）

3、  Wassertein GAN（理論的勝利）

強(qiáng)化學(xué)習(xí)（第三天——3）

1、  agent的屬性

2、  exploration and exploitation

3、  Bellman期望方程

4、  最優(yōu)策略

5、  策略迭代與價(jià)值迭代

6、  Q學(xué)習(xí)算法

深度強(qiáng)化學(xué)習(xí)案例：教電腦玩“flappy bird”（第三天——4）

1、  DQN詳解

2、  Flappy Bird 游戲

深度強(qiáng)化學(xué)習(xí)案例：AlphaGo詳解（第三天——5）

1、  蒙特卡羅決策樹

2、  策略網(wǎng)絡(luò)

3、  價(jià)值網(wǎng)絡(luò)

4、  Alpha Go的完整體系