专题一：深度学习项目案例实战剖析（高级版）
高级课程，配套课件、环境、实验手册、源码、数据、课堂回放腾讯课堂直播 36 小时+课后腾讯会议在线答疑4小时
课程介绍强调动手实操；内容以代码落地为主，以理论讲解为根，以公式推导为辅。6天精讲，讲解机器学习和深度学习的模型理论和代码实践，梳理机器学习、深度学习、计算机视觉的技术框架，从根本上解决如何使用模型、优化模型的问题；每次课中，首先阐述算法理论和少量公式推导，然后使用真实数据做数据挖掘、机器学习、深度学习的数据分析、特征选择、调参和结果比较。
核心能力通过课程学习，可以理解机器学习的思维方式和关键技术；了解深度学习和机器学习在当前工业界的落地应用；能够根据数据分布选择合适的算法模型并书写代码，解决应用问题的过程，培养学员从所学理论到实践解决问题的理论和工程相结合的能力，解决各自领域的具体问题。可以胜任使用 Python 进行数据挖掘、机器学习、深度学习等工作。
课程大纲| 第1模块（2天） |
卷积神经网络CNN基本模型 |
-卷积神经网络的调优方法 （2）常见的卷积神经网络模型 -VGGNet -Inception v1-v3 -ResNet -DenseNet/ResNeXt -MobileNet -SeNets -ShuffleNet （3）典型算法代码剖析 |
代码和案例实践： （1）人脸颜值打分 （2）安全驾驶检测 （3）声音质量评价 （4）OCR文字识别 |
| 第2模块（1天） |
图像处理—目标检测 | （1）目标检测常用算法解析 -Faster RCNN -YOLO v1-v5 -SSD -RetinaNet算法 -UNet （2）典型算法代码剖析 |
代码和案例实践： （1）车道检测
（3）肺病图像检测 |
| 第3模块（1天） |
循环神经网络 |
|
代码和案例实践： （1）机器人写作 （2）基于Session的推荐 （3）机器翻译 （4）智能对话系统Seq2Seq |
| 第4模块（1天） |
预训练模型 |
（1）Elmo模型 （2）Transformer模型
（4）典型算法代码剖析 |
代码和案例实践：
|
| 第5模块（1天） |
生成对抗网络 |
（4） WassersteinGAN （5） CycleGAN （6）典型算法代码剖析 |
（1）人脸老化预测 （2）艺术画风转移 （3）超分辨率图像重建 |
专家介绍
赵卫东 博士 副教授
2001年6月起在复旦大学管理科学与工程博士后流动站 工作。2003年5月进入复旦大学软件学院，现任复旦大学副教授，主要负责本科生和各类研究生机器学习、深度学习、大数据核心技术和商务智能（商务数据分析）等课程的教学，2011 年纽约大学 Stern 商学院访问学者。目前主要研究方向包括电子推荐、智能决策和大数据分析、机器学习与深度学习等。主持国家自然科学基金、中国博士后科研基金、上海市浦江人才、IBM Shared University Research 以及企业合作课题等 20 多项目。已在 Knowledge and Information Systems ,Information Processing & Management，Information Systems Frontiers 等国内外刊物和学术会议发表论文 90 多篇，其中被 SCI、EI 收录 40 多篇。出版专著《智能化的流程管理》《数据挖掘实用案例分析》以及教材《商务智能（第四版）》《商务智能 数据分析的管理视角（第四版）》《人机共生：洞察与规避数据分析中的机遇与误区》《机器学习》《机器学习案 例实战》等 10 多部。获得上海市 2015 年上海市科技进步二等奖。CDA 三级认证数据科学 家，腾讯云和百度云机器学习认证讲师。 与 SAP、IBM 等公司有长期广泛的合作，SAP 大学联盟讲师，主持了江苏中天集团、上海自贸区、京东等 10 几家单位数据分析的合作项目，并为几十家企业做过数据挖掘、大数据分析、机器学习和人工智能等主题的培训。
