- 大纲
- 1 数学基础
- 2 Python基础
- 3 机器学习
- 4 深度学习
- 5 深度学习平台实战
- 6 深度学习行业应用案例
- 样题
1 数学基础（5%）
熟悉微积分基础知识，包括极限与积分、导数与二阶导数、方向导数、凸函数与极值、最优化方法；
熟悉概率与统计基础，包括古典概率、常用概率分布、贝叶斯公式、假设校验；
熟悉线性代数基础，包括矩阵与向量、矩阵乘法、矩阵特征值和特征向量。
2 Python基础（5%）
掌握Python基础知识；
掌握Python常用库的基本操作，包括numpy、matplotlib、sklearn等。
3 机器学习（20%）
掌握机器学习基础知识，包括监督学习、非监督学习、强化学习的概念及区别；
熟悉监督学习，包括回归与分类、决策树、神经网络、朴素贝叶斯及支持向量机的应用；
熟悉无监督学习，包括K均值聚类及降维的应用。
4 深度学习（30%）
掌握深度学习概论，包括人工智能、机器学习、深度学习的关系；常见的深度学习网络结构；深度学习单层、浅层、深层网络的实现方式；
掌握卷积神经网络，包括卷积神经网络原理及经典模型、卷积的数学意义与计算过程、卷积运算、池化及经典网络的配置方式；
熟悉循环神经网络，包括循环神经网络原理及经典模型；文本和序列的深度模型；
了解深度生成模型与生成对抗网络。
5 深度学习平台实战（30%）
掌握主流深度学习平台的环境搭建方法；
熟悉深度学习模型的训练方式，包括网络结构设计和组网、损失函数、参数初始化、超参数调整和迭代优化；
熟悉深度学习平台模型实战（基于PaddlePaddle深度学习框架），包括识别数字、图像分类、词向量、情感分析、语义角色标注等。
6 深度学习行业应用案例（10%）
熟悉使用深度学习框架搭建分布式深度学习推荐网络模型；
熟悉使用深度学习框架实现简单的CTR预估；
了解使用深度学习框架实现简单的机器翻译。
1 数学基础 2 Python基础 3 机器学习 4 深度学习 5 深度学习平台实战 6 深度学习行业应用案例 样题一、单选题
1 下列关于微分求导的表达式错误的是？
A．tanh函数y = tanh(x)的微分为 y’ = 1- y^2
B．sigmoid函数y = 1/(1+exp(-x))的微分为 y’ = -y(1-y)
C．RELU函数y = max(x,0)的微分为 y = 0 if x<0;1 if x>=0
D．Leaky RELU函数 y = max(ax,x)的微分为 y’ = a if x<0;1 if x>=0
参考答案：B
2 输入为32x32x3，卷积核大小为5x5，总共有10个卷积核，做卷积的时候stride=1，pad=2，那么这一层总共含有多少参数？
A．576 B．760 C．640 D．36864
参考答案：B
3 请问下列关于支持向量机SVM算法的描述错误的是？
A．SVM可以解决非线性问题
B．SVM对缺失数据不敏感，适合处理空值较多的情况
C．SVM可以解决小样本情况下的机器学习问题
D．SVM可以提高模型的泛化性能
参考答案：B
4 在词向量训练中，针对embedding层说法错误的是？
A．PaddlePaddle中，embedding层支持分布式存储
B．embedding层其实是一个lookup操作，查找对应ID得到embedding向量
C．embedding在训练过程中不会被更新
D．PaddlePaddle中embedding层支持不同精确读的数据类型，如float16，float32
参考答案：C
二、多选题
1 当我们在回归分类模型中遇到过拟合时，以下哪些方法可以用于优化？（正确选项数量为2个）
A．减少正则化参数
B．尝试非线性模型
C．增大用于训练的数据量
D．Bagging
参考答案：CD
