课程时长：3天

第1部分 机器学习Machine Learning

　　1.1 线性回归Linear Regression

　　1.2 逻辑回归和过拟合问题Logistic Regression & Regularization

　　1.3 神经网络Neural Network

　　1.4 机器学习系统设计

　　1.5 支持向量机SVM

　　1.6 聚类Clustering

　　1.7 降维PCA

　　1.8 决策树

　　1.9 随机森林

　　1.10 HMM

　　1.11 关联挖掘

　　1.12 轨迹挖掘

　　1.13 推荐系统

　　1.14 朴素贝叶斯

　　1.15 K近邻算法

　　1.16 K均值算法

　　1.17 Adaboost

　　1.18 有监督学习、无监督学习、半监督学习

第2部分 深度学习Deep Learning

　　2.1 Deep Learning常用模型

• AutoEncoder自动编码器
• Sparse Coding稀疏编码
• Restricted Boltzmann Machine(RBM)限制波尔兹曼机
•  Deep Belief Networks深信度网络
• Convolutional Neural Networks卷积神经网络

　　2.2 CNN

　　2.3 DNN

　　2.4 TDNN

　　2.5 LSTM，BiLSTM

　　2.6 Attention

　　2.7 迁移学习

　　2.8 对抗学习

第3部分 自然语言处理NLP

　　3.1．词法分析

　　3.2．语法理论与句法分析

　　3.3．语义计算

　　3.4．情感分析

　　3.5．意图分析

　　3.6．摘要提取

　　3.7．概率图计算

　　3.8．CRF应用

第4部分 基于AI的关键应用Key-Application

　　4.1. 机器翻译Machine Translation

　　4.2. 信息检索Information Retrieval

　　4.3 自动文摘Automatic summarization/abstracting

　　4.4 文档分类Document Categorization

　　4.5 问答系统Question-answering system

　　4.6 信息过滤Information filtering

　　4.7 语言教学Language Teaching

　　4.8 文字识别Character Recognition

　　4.9 自动校对Automatic Proofreading

　　4.10 语音识别Speech recognition