AICon人工智能深度学习应用实践全60讲

本视频课程由AICon人工智能专家主讲，共三部分内容，包括“深度学习在CTR预估中的应用”、“深度学习在图像理解中的应用”和“知识图谱技术实践”。具体如下：
结合中外经典案例，分享主流CTR预估的做法，以及典型的深度CTR模型的模型结构和训练方法；
重点分享深度学习在图像技术中的应用，从传统的图像比对入手，介绍深度学习在图像理解中的基础技术，合具体场景给出了针对性的解决方案，分析目前主流方法的优劣性，并结合具体场景给出了针对性的解决方案；
介绍知识图谱与AI的关系，探讨知识图主谱能够解决哪些行业难题，如何在不同业务中成功落地，并通过剖析知识图谱技术在多个领域解决实际问题的不同案例，帮助企业理清落地思路。

课程目录：

第1讲. 深度学习在各个领域的成功
第2讲. 当深度学习遇到CTR预估
第3讲. 传统主流CTR预估方法：线性模型
第4讲. 传统主流CTR预估方法：FM模型
第5讲. 传统主流CTR预估方法：GBDT模型
第6讲. 深度学习基础模型：前向神经网络（MLP）
第7讲. 深度学习基础模型：CNN
第8讲. 深度学习基础模型：RNN
第9讲. 深度学习基础模型：LSTM
第10讲. 深度学习CTR预估模型：要解决的几个关键问题
第11讲. 离散特征如何让DNN可以处理？（1）
第12讲. 离散特征如何让DNN可以处理？（2）
第13讲. 典型网络融合结构之一：并行结构
第14讲. 典型网络融合结构之二：串行结构
第15讲. 模型训练与优化
第16讲. 互联网公司深度学习CTR案例：Google（1）
第17讲. 互联网公司深度学习CTR案例：Google（2）
第18讲. 互联网公司深度学习CTR案例：阿里巴巴
第19讲. 互联网公司深度学习CTR案例：京东商城
第20讲. 如何定义图像理解？
第21讲. 图像理解有哪些研究内容？
第22讲. 传统图像理解技术：图像分类的问题描述
第23讲. 传统图像理解技术：图像分类的基本方法（1）
第24讲. 传统图像理解技术：图像分类的基本方法（2）
第25讲. 传统图像理解技术：图像分类的基本方法（3）
第26讲. 传统图像理解技术：图像搜索系统（1）
第27讲. 传统图像理解技术：图像搜索系统（2）
第28讲. 传统图像理解技术：图像搜索系统（3）
第29讲. 深度学习的基础模块
第30讲. 深度学习的模型设计
第31讲. 深度学习的训练技巧
第32讲. 深度学习图像理解技术：图像分类框架
第33讲. 深度学习图像理解技术：模型加速与优化
第34讲. 深度学习图像理解技术：物体检测分割与图像分类应用场景
第35讲. 图像理解进阶
第36讲. 知识图谱是什么？对我们有何帮助？
第37讲. 知识图谱的发展回顾
第38讲. 知识图谱为什么火了？
第39讲. 知识图谱小结
第40讲. 知识图谱的生命周期与技术难点
第41讲. 构建领域知识图谱的挑战与解决方案
第42讲. 基于非结构化数据的知识抽取
第43讲. 基于非结构化数据的知识抽取：实体识别
第45讲. 基于非结构化数据的知识抽取：事件抽取
第46讲. 基于结构化数据的知识抽取
第47讲. 知识融合与质量评估
第48讲. 知识图谱管理之数据模型介绍
第49讲. 知识图谱管理：图谱存储
第50讲. 知识计算推理
第51讲. 基于符号的知识表示与推理：谓词逻辑
第52讲. 基于符号的知识表示与推理：Semantic Net
第53讲. 基于符号的知识表示与推理：Frame
第54讲. 基于符号的知识表示与推理：Script
第55讲. 基于符号的知识表示与推理：语义网络
第56讲. 基于分布式语义的知识表示与推理 张量分解模型
第57讲. 基于分布式语义的知识表示与推理 基于翻译的模型TransE
第58讲. 基于分布式语义的知识表示与推理 神经网络模型
第59讲. 基于图计算的挖掘分析
第60讲. 知识图谱的行业应用

课程截图：