深度学习的突破极大推动了人工智能的发展，并广泛应用在计算机视觉、自然语言处理等领域中。谷歌、百度的IDL、腾讯的AI lab、华为等都在重金布局人工智能，同时，以深度学习为核心技术的人工智能企业不断涌现，我们耳熟能详的有：格林深瞳、商汤科技、Face++、地平线、图森未来、依图科技、云从科技、极视角、中科慧眼、中科视拓、银河水滴等。
据领英近日发布的《全球AI领域人才报告》显示，截至2017年一季度，基于领英平台的全球AI（人工智能）领域技术人才数量超过190万，其中美国相关人才总数超过85万，高居榜首，中国的相关人才总数为5万人，仅为美国的1/17，同时，国内人工智能人才缺口达到500多万，供求比例仅为1:10，供需严重失衡。
作为人工智能最稀缺的人才之一，深度学习工程师面临近百万的缺口，成为了各大企业竞相争夺的香饽饽，年薪大都在20万-60万之间。越来越多的在职程序员、院校学生开始学习机器学习、深度学习算法。
深度学习岗位招聘（来自拉勾网）
深度学习，作为机器学习的一类算法，为什么在诸多应用领域中的表现，远超传统的机器学习方法？它的原理或本质到底是什么？如何将深度学习模型应用到实际问题中？在实际问题中，深度学习模型又有哪些使用技巧？上述问题是初学者经常遇到的困惑。
中科院自动化所一线青年学者，推出《深度学习：从理论到实践（升级版）》在线直播课程。课程体系设置充分结合理论与实践，PPT以及代码均会提供给学员。讲师团队均为中科院自动化所博士，在人工智能国际顶级会议期刊ICCV、TNNLS、TIP论文20余篇。
课程内容
1. 数学基础（预习PPT）
1.1 贝叶斯决策理论、参数与非参数估计
1.2 回归与分类
1.3 梯度下降优化
1.4 信息熵
2. 深度学习理论（6学时）
2.1 前馈神经网络（概述、单层神经网络、多层神经网络）
2.2 卷积神经网络（基本概念、发展历程、网络特点、网络设置、网络训练以及相关应用）
2.3 反馈神经网络（Hopfield网络、玻尔兹曼机、受限玻尔兹曼机）
3. 深度网络常见模型与Keras实战（8学时）
3.1 Keras与残差网络（从LSTM到Highway网络、从Highway网络到残差网络、基于Highway网络的应用）
3.2 自动编码机AE及生成对抗网络GAN（AE的起源与变种、生成对抗网络GAN、基于GAN网络的应用）
3.3 基于Keras的行为识别（行为识别问题简介、基于深度学习的行为识别常用模型介绍、基于Keras的行为识别实践）
3.4 基于Keras的场景分割（场景分割问题简介、基于深度学习的场景分割常用模型介绍、基于Keras的场景分割实践）
4. 深度学习框架（4学时）
4.1 Caffe入门（简介、安装和配置、优点与局限性分析、深入Caffe源码、Caffe调试）
4.2 Caffe提高（基于Caffe的MINST手写识别、Caffe的Python接口、Caffe修改与添加Layer、网络训练技巧）
讲师团队
汪老师，中科院自动化所一线科研学者，副研究员，在领域顶级会议期刊 ICCV、TNNLS、TIP等发表论文20多篇；参加全国视频图像分析技术挑战赛，获得目标检测识别第二名，熟练掌握并应用深度学习Keras框架和Caffe框架。
宫老师，某知名外企研究院算法工程师，中国科学院自动化研究所博士毕业生，在计算机视觉与人工智能领域具有近六年的研究经历。攻读博士学位期间主要研究方向是模式识别与图像处理，曾在模式识别领域内顶级国际期刊发表论文，参加某知名互联网公司举办的图像分割竞赛，获得第四名的成绩。目前主要负责计算机视觉与人工智能方面的算法研发工作。
课程价格
本期课程限报 300人，报满为止。课程优惠价为 499元，前 200 名报名者，可领取 1200G 人工智能资料。
开课时间及形式
1. 10月29日-11月26日每周末晚7点-9点，在线直播授课；
2. 课程一年内可实时查看视频回放；
3. 课程PPT和源程序，会提前公开给学员；
4. 课前、课中和课后，微信群均可答疑。
请添加「深蓝学院」助教微信报名
