《2017准独角兽薪酬报告》显示，人工智能、大数据和技术开发岗位薪酬水平明显高于市场整体水平，薪酬最高的人工智能岗几乎是客服（薪酬水平最低）的3倍，大数据等次热门岗位平均薪酬也比整体水平高13%。
如果你也想踏上AI的这班顺风车，七月在线特此推出《深度学习集训营》课程，4月24日正式开课，线上线下结合（线下在北京和上海），从头到尾全部实战，涵盖特征工程、深度学习在计算机视觉和自然语言处理领域中的应用，更有大规模车辆图片检索等应用于智慧城市、视频监控等场景的杀手级项目。一个多月深入实践深度学习，加入这场席卷全球的技术浪潮！
加入课程，你将体验到以下优质服务：
全是深度学习的典型应用场景
涵盖特征工程、混合网络、深度学习在计算机视觉当中的应用（比如图像分类、图像检索）、深度学习在自然语言处理中的应用（比如文本处理、文本分类、图像生成文本）、聊天机器人、大规模车辆图片检索等应用于智慧城市、视频监控等安防场景的BAT工业项目。
BAT专家级讲师 + 助教全方位辅导
我们拥有来自BAT的专家级讲师和数位助教，给你全程全天候1v1般的定制辅导。平时晚上在线学习，周末线下项目实战，从而通过在线直播从头到尾掌握深度学习典型应用场景，通过线下项目实战练就DL工业项目的全栈能力。且有问题，课上课后随时答疑，手把手教会为止。
提供GPU云实验平台
还原BAT真实生产环境，提供工业数据和国内首创的价值数十万的GPU云实验平台（提前装tensorflow、caffe、mxnet等主流DL框架和相关数据）。提供完善的实验平台供您动手、真枪实战，拒绝纸上谈兵。
作业项目考核三管齐下
开课前提供机器学习、深度学习相关的在线课程做预习。每次课通过GPU + Jupyter Notebook + GitHub在线提交作业，然后讲师和助教1v1在线批改、讲解作业，且提供可执行的交互式代码，在不断的阶段性实战和考试中掌握机器学习技能。
高起步 + 简历优化
从特征工程、TensorFlow起步，一上来就实战BAT工业项目。且根据集训营实战项目，将涉及到的关键知识点和项目经历优化到您的简历中。
面试求职辅导 + 就业推荐
精讲深度学习工程师面试时常见考点/模型/算法，且BAT一线技术经理1v1模拟真实面试，从技术、表达等方面全方位提升您的面试能力。根据您的技术特长提供定制化的能力评估、就业指导以及包括BAT等一线互联网公司的工作机会推荐。2个月挑战年薪30~50万。
接下来，让我们看一下在「深度学习」集训营里，你将会挑战哪些有趣的实战项目吧！
课程大纲
预习阶段 从DL基础起步，掌握三大核心模型
随报随学，搞定深度学习基础
在线视频：DNN与CNN，及NN框架
1-DNN与混合网络：google Wide&Deep
2-实战项目：数据非线性切分+google wide&deep 模型实现分类
3-CNN:从AlexNet到ResNet
4-实战项目：搭建CNN完成图像分类示例
5-NN框架：caffe, tensorflow与pytorch
6-实战项目：用几大框架完成DNN与CNN网络搭建与分类
在线视频 ：RNN、LSTM、与条件生成、attention
1-RNN/LSTM/Grid LSTM
2-实战项目：RNN文本分类
3-RNN条件生成与attention
4-实战项目：google神经网络翻译系统
第一阶段 从数据科学比赛里看深度学习应用
4月24日开课，全面实战深度学习项目
在线课程：业务场景下机器学习/深度学习数据处理与特征工程
1-业务场景下的特征处理与挖掘套路
2-如何用tensorflow进行常见的数据特征工程
3-tensorflow搭建baseline模型解决分类问题
在线课程：tensorflow搭建混合网络
1-wide network搭建与优缺点
2-deep neural Network搭建与优缺点
3-混合网络搭建套路
4-用混合网络解决分类问题
线下实战：从DNN/Wide/Wide&Deep解决房价预测问题
1-机器学习vs深度学习，工业界的利弊权衡
2-神经网络基本原理和训练要点
3-如何针对不同的应用场景选择模型结构
4-从wide&deep到混合网络的搭建与应用
5-以kaggle比赛为例讲解神经网络解决方案
第二阶段 深度学习在计算机视觉中的应用
在线课程：深度卷积神经网络原理与实践
1-卷积操作的数学定义和物理意义
2-卷积神经网络结构的两大原理—局部连接和权值共享
3-卷积神经网络的主体结构和变种
4-3小时内用百行代码登顶Kaggle图像分类比赛的Top-5%
在线课程：海量图像与tensorflow处理
1-Tensorflow输入数据——TFRecord与Dataset
2-Tensorflow图像预处理
3-Parameter Server原理
4-Tensorflow的分布式训练的实现
线下实战：图像分类与图像检索实战
1-灵活选取卷积神经网络结构作为图像分类的Backbone
2-迁移学习在深度学习中的应用——“微调”（Fine-tune）技术
3-图像搜索的前世（Bag-of-Visual-Words）和今生（Deep Learning）
第三阶段 深度学习在自然语言处理中的应用
在线课程：文本预处理，词袋模型，word2vec，语言模型
1-NLP基本知识：词袋、tf-idf、朴素贝叶斯
2-DL中的NLP基础：word2vec、doc2vec、embedding、N-gram LM
3-用深度学习一步步完成情感分析任务
在线课程：CNN/LSTM 文本分类
1-文本分类问题处理流程
2-传统模型在文本分类上的表现
3-从RNN到LSTM
4-CNN/LSTM 在文本分类上的应用
线下实战：文本语义相似度匹配模型以及Seq2Seq模型构建
1-深度学习在自然语言处理中的基础工具：word2vec、Embedding
2-文本检索与匹配通用模型方法：DSSM，CDSSM，DRMM，ARC-I
3-Seq2Seq模型搭建详解与应用案例
4-(短)文本语义相似度匹配模型构建及其实践应用
线下实战：图像生成文本(Image2text)
1-Image2text基本模型
2-基于Attention的Image2Text
3-反问题：Text2Image
第四阶段 高级深度学习应用场景
线下实战：基于深度学习的聊天机器人，看图说话与VQA
1-基于深度学习匹配的聊天机器人
2-基于序列到序列模型的聊天机器人
3-结合CNN与RNN的看图说话与VQA看图问答机器人
线下实战：大规模车辆图片搜索（Re-ID）算法原理及实践
1-多任务（Multi-task）深度学习模型搭建与训练
2-深度排序(Deep Ranking, Triplet Loss)原理与训练技巧
3-使用多任务和深度排序模型，构建一个工业界和学术界最前沿的大规模车辆图片搜索算法(可用于智慧城市、视频监控等安防场景)，在业界最大的车辆搜索开源数据集上取得State-of-the-Art效果
第五阶段 深度学习模型优化及实践技巧
线下实战：NLP与CV数据科学比赛案例详解与实践
1-NLP AI比赛：文本主题与标签预测(通用模型结构、textCNN与textRNN、texRCNN与其他网络)
2-图像比赛基本套路
3-图像分类与图像分割比赛解决方案介绍
线下实战：深度学习模型优化前瞻技术 以及实践技巧
1-深度卷积神经网络的历史变革和设计理念——从AlexNet到DenseNet
2-解析各类轻量级深度网络的设计理念——深度可分离网络
3-深度学习模型训练时应注意的问题即实践技巧
如何加入课程？
扫描下方二维码，获取「深度学习」集训营 试听
本期限定 50 席，长按扫描上方二维码，免费获取：
＊ 深度学习干货礼包；
＊ 课程免费体验入口；
＊ 第一时间获得开课通知；
＊ 了解课程最新优惠价格；
＊ 将为你解答任何课程相关疑问。