之后公开课安排（每周二，四，六）：
1.文本的表示：从词袋模型(Bag-of-words)到词向量(word2vec)2.一小时弄清楚自然语言处理技术概览以及应用场景3.用例子来说明机器学习中的 MLE vs MAP vs 贝叶斯估计的区别4.面试必考题：逻辑回归模型以及数学推导5.零基础搭建简单的问答系统6.怎么用知识图谱做金融风控系统7.利用端到端的学习（end-to-end learning）搭建无人驾驶系统8.搭建一个简单的目标检测系统（object detection）9.深度学习的可解释性：深入浅出深度学习中的可视化（visualization）10.一小时弄清楚什么是卷积神经网络11.剖析特征工程：一起细聊风控中的特征工程技术12.聊聊自适应教育系统的核心：Knowledge Tracing13.面试必考题：K-mean算法以及其目标函数、EM算法14.一小时学会搭建情感分析系统15.深入浅出深度学习中的预训练（pre-trianing）16.深入浅出AI最有效模型之一 - 随机森林17.利用Seq2Seq模型来构建机器翻译系统18.一个小时弄清凸优化技术以及其应用场景19.案例来详解机器学习的核心 - 梯度下降法20.零基础入门双曲空间中（hyperbolic space）的图嵌入21.主题模型LDA (1): 相关必备知识以及模型详解22.主题模型LDA(2): 推导吉布斯采样以及代码实现23.从本质去理解：深度学习为什么需要“深”？24.AI领域的研究怎么做，怎么高效发论文？25.公司怎么转型AI，需要招什么样的AI人才，数据策略怎么实施？26.AI领域的投资怎么做27.一个新的领域：自动化代码的生成、批改、代码嵌入（code embedding）28.聊聊中美人工智能人才培养、技术创新以及差异性29.推荐系统中的常见算法介绍30.矩阵分析（Matrix Factorization）详解：推荐系统最离不开的算法31.Metric Learning中的经典：LMNN算法详解32.随机梯度下降法中的收敛理论33.SGD, Adagrad, Adam算法的详细比较34.深入浅出递归神经网络（Recurrent Neural Network)以及应用35.RNN中的梯度爆炸以及梯度消减，介绍LSTM36.一小时实现图像中的风格迁移（style transfer）37.一小时实现语音中的情绪识别（emotion recognition）38.基于GraphX做分布式图分析39.图嵌入算法详解以及引用40.GBDT和XGBoost算法应用以及实现41.自适应系统所涉及到的技术要点42.机器学习工程需要必备的数学知识43.利用目标检测和跟踪算法分析英雄联盟视频44.一小时教你怎么搭建GPU训练环境45.一小时用Keras搭建人脸识别系统46.Google的最新作品BERT模型详解以及实现47.一小时实现机器自动写代码系统
公开课导师阵容
李文哲： 美国南加州大学博士，曾任凡普金科（爱钱进）首席科学家，美国亚马逊/高盛高级工程师，AI量化投资公司首席科学家兼投资总监。在AAAI, KDD, AISTATS等顶会上发表过15篇以上论文，其中3篇获得Best Paper Award，累计数百次引用
袁源：美国新泽西理工博士，美国微软和美国亚马逊的资深推荐专家和技术负责人、主导多款核心推荐系统的研发，是人工智能、分布式系统、云计算方面的专家。拥有14年人工智能、推荐系统、自然语言处理、数字图像和视频处理项目经验。在AI会议上发表过20篇以上论文。
蓝振忠：美国卡耐基梅龙大学博士。现任Google科学家，曾任美国智能监控公司的首席科学家， 对视频和多媒体的智能分析有深入研究。他曾代表卡耐基梅隆大学在美国国家标准总局（NIST）举办的视频智能分析大赛中连续多年进入前三。先后在NIPS、CVPR、ICCV、IJCAI、ICDM等国际顶级会议上发表过25篇以上的论文，论文引用次数上千。
史源：美国南加州大学博士，美国AI基金创始人，拥有10多年人工智能领域相关研发和研究经历。卡耐基梅隆大学访问学者，先后在 ICML、AAAI、IJCAI、ICDM等国际顶级会议上发表数篇论文，引用次数高达1000。
大周：曾任百度资深工程师，国美和凡普金科的技术负责人。是技术领域、数据分析、知识图谱、视觉等领域的专家。
葛瀚骋：美国Texas A&M大学博士，美国亚马逊Alexa部门资深科学家，负责Alexa的智能化以及个性化的研发与应用，曾任职于美国ebay以及NEC北美实验室。主要的研究涉及到Tensor、社交分析、推荐系统等领域，在KDD、AAAI、SIGIR、RecSys等国际顶级会议上发表15篇以上的论文，数百次的引用。
