課程大綱
第一天：
上午：
1.人工智能應用發展簡介(理論)。
2.神經網絡基本原理(理論)。
3.激活函數，損失函數和梯度下降法(理論)。
4.BP神經網絡，梯度消失問題(論文講解)。
5.Tensorflow安裝(實踐)。
6.Tensorlfow基礎知識：圖，變量，fetch，feed(實踐)。
7.Tensorflow簡單案例(實踐)。
8.Mnist數據集合Softmax講解(理論+實踐)。
9.使用BP神經網絡搭建手寫數字識別(實踐)。

下午：
10.交叉熵(cross-entropy)講解和使用(理論+實踐)。
11.過擬合,正則化,Dropout(理論+實踐)。
12.各種優化器Optimizer(理論+實踐)。
13.改進手寫數字識別網絡(實踐)。
14.Tensorboard的使用(實踐)。
15.卷積神經網絡CNN的介紹(理論)。
16.使用CNN解決手寫數字識別(實踐)。
17.深度殘差網絡講解(理論)。
18.長短時記憶網絡LSTM介紹(理論)。
19.LSTM的使用(實踐)。

第二天：
上午：
圖像識別項目：
1.介紹Google圖像識別模型Inception-v3(理論)
2.使用Inception-v3做圖像識別(實踐)。
3.Retrain圖像識別模型(實踐)。
4.從頭開始訓練圖像識別模型(實踐)。
驗證碼識別項目：
5.生成驗證碼(實踐)。
6.多任務學習介紹(理論)。
7.使用多任務學習完成驗證碼識別(實踐)。
8.驗證碼識別效果測試(實踐)。

下午：
文本分類項目：
9.word2vec的介紹和實現(理論+實踐)
10.文本分類模型(實踐)。
語音分類項目：
11.語音信號處理(理論)。
12.使用LSTM完成語音分類(實踐)。
圖片風格遷移項目：
13.介紹風格遷移基本原理(理論)。
14.實現圖片風格遷移(實踐)。
深度學習前沿科技介紹。