一、項目詳情
  學生將學習深度學習中基本的數學理論知識；掌握經典機器學習的理論應用；了解DNN、CNN和RNN的概念與應用；學習深度學習算法中的正則化知識和模型訓練；初步了解深度學習高階應用，以便能在日后走出去并實施自己的深度學習模型。學生將基于給定的數據，編寫一個完整程序，完成對自己創建的深度學習模型的訓練和測試。以將基礎知識應用于有趣的相關實踐問題，進一步強化與完善學生專業技能。
  二、適合人群
  大學生
  計算機科學、人工智能、數據科學、電子與計算機工程等專業，軟件工程、自動化等相關專業或者希望掌握深度學習的學生；對機器學習、大數據以及交叉學科和方向感興趣的學生學生需要具備計算機科學、微積分、編程基礎
  三、項目大綱
  神經網絡重要概念介紹：學生將了解分類和回歸、優化，反向傳播和前饋網絡Review of Neural Networks,Convolutional Neural Networks
  神經網絡架構：學生將掌握如何進行神經網絡架構設計Recurrent Neural Networks(RNN),basic concepts,and architectures
  學習長期依賴關系的神循環經網絡Long Short-Term Memory Recurrent(LSTM)Networks
  自動編碼器（Auto-Encoders）學生將用Auto encoder處理數據為機器“減壓”，有利于數據的可視化Review of Auto-Encoders
  生成式對抗網絡Generative Adversarial Networks(GANs)
  項目回顧與成果展示Program review and presentation
  論文輔導與投遞Project deliverable tutoring
  四、時間安排與收獲
  4周線上+線下集中面授小組科研+5周在線論文輔導共計260課時
  經主導師評定的個性化學術評估報告及成績單
  主導師Reference Letter
  結業證書
  EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會議全文投遞與發表
  *學員進入世界前沿實驗室、研究機構和行業*機構擔任長期科研助理，參與深度研究