【百度深度学习认证】AI核心技术掌握——笔记

更多关于百度深度学习认证

1. 迈入现代人工智能的大门

1.1 modern AI你知道多少

感知器

 

1.2 modern ai 骨架脉络

1.3 深度学习简介

1.4 关键突破--多层感知机网络模型

1.5 深度学习的基础算法--反向传播算法简介

1.6 paddlepaddle框架简介和几个案例

2. 机器能看的现代技术

2.1 计算机视觉小普及

2.2 计算机视觉深入认知

2.3 源自视觉神经原理的卷积网络简介

2.4卷积网络深入理解

2.5 alexnet深度学习关键突破

2.6 VGG网络更深的架构尝试

2.7resnet深度学习模型的深度究竟能有多深

2.8paddlepaddle加持下的卷积网络实现

3. 循环网络原理、模型及应用（语音识别，自然语言处理）

3.1课程导引

3.2序列场景分析

3.3初识循环神经网络

3.4突破障碍的LSTM

3.5 新式的简化变体GRU网络

3.6神经图灵整体结构

3.7神经图灵-寻址

3.8神经图灵-控制器

3.9PaddlePaddle下的LSTM和GRU

4.CNN和RNN的应用

4.1文本数据究竟能够干什么--典型场景分析

4.2文本分类的神器--卷积神经网络

4.3情感分析的强大武器--循环神经网络

4.4机器也可写写诗--中文诗歌生成网络初探

4.5 paddlepaddle实现

5. 神经自然语言处理

5.1自然语言理解概述

5.2神经语言模型

5.3语义模型--深度结构化语义模型

5.4序列标注--命名实体识别

5.5 paddlepaddle实现

6. 排序学习

6.1排序学习简介

6.2排序学习不同类别和Pointwise方法

6.3Pairwise方法和Listwise方法

6.4Pairwise方法的神经网络模型RankNet

6.5Listwise方法的神经网络模型LambdaRank

6.6 PaddlePaddle实现RankNet和LambdaRank

7.强化学习

7.1 强化学习导引

7.2 基于值的强化学习方法

7.3 基于策略的强化学习方法

7.4 基于模型的强化学习方法

7.5 强化学习实验环境

8.可解释的模型及应用

8.1 可解释的模型简介

8.2 概率图模型

8.3 贝叶斯推断

8.4 贝叶斯深度学习

8.5 常用的实践环境

9. 生成式模型的基本概念、方法和应用

9.1生产式模型方法

9.2变分自编码器

9.3 生产式对抗网络

9.4 PaddlePaddle实现VAE和GAN

10.深度强化学习

10.1深度强化学习简介

10.2DQN技术

10.3DDPQ技术

10.4AlphaGo相关技术

10.5实践环境

11.多智能体系统及学习技术

11.1多智能体系统简介

11.2多智能体博弈和协同

11.3多智能体系统机器学习

11.4多智能体深度强化学习

11.5多智能体实验环境简介

12.基于逻辑的深度学习技术

12.1符号学派简介

12.2归纳逻辑编程ILP

12.3结合深度学习的逻辑方法

12.4常用逻辑编程工具

12.5课程总结和对未来的展望