贝叶斯深度学习训练营
全面剖析贝叶斯深度学习以及应用
课程亮点
最全的贝叶斯相关内容
贝叶斯深度学习、MCMC、VAE、贝叶斯优化、主题模型等
答疑服务
即时答疑的方式，助教老师会尽快回答大家在学习中遇到的问题
深入的内容
有深度的内容、涵盖目前所能找到的最前沿的内容
专业的授课团队
在本领域有着多年工程和科研经验的导师
对科研、出国也有帮助
为以后做相关课题的科研、以及出国留学有很大帮助
提高创新能力
深入一个领域是技术创新所必须的条件
课程概要
贝叶斯深度学习是一项迅速崛起的技术，融合了深度学习和贝叶斯核心技术，使得模型本身可以更好地捕获数据中的不确定性，同时也能预测出结果的不确定性，同时贝叶斯模型也比较适合小数据量的场景。通过本次课程的学习，学员能够系统性掌握贝叶斯核心技术，包括MCMC，变分法，VAE, 贝叶斯优化，主题模型，对抗学习，以及如何应用在不同的场景中，既有助于应用层面上的提升，也有助于科研。
你将收获
全面掌握贝叶斯机器学习、贝叶斯深度学习前沿技术、灵活应用在自己工作中
能够了解各类贝叶斯机器学习、贝叶斯深度学习模型的实现方式，并熟练掌握其关键技术与方法
深入理解前沿的贝叶斯机器学习、贝叶斯深度学习技术，有助于为后续的科研打下基础
完成一个课题，有可能成为一个创业项目或者转换成你的科研论文
短期内对一个领域有全面的认识，大大节省学习时间
认识一群拥有同样兴趣的人、相互交流、相互学习
课程大纲
贝叶斯深度学习
大纲
第一周：贝叶斯机器学习介绍
第二周：贝叶斯NB与LDA
第三周：MCMC采样技术
第四周：变分法技术
第五周：贝叶斯深度学习
第六周：贝叶斯深度学习与自然语言处理
第七周：高斯过程与贝叶斯优化
论文列表
1、Latent dirichlet allocation
2、Bayesian learning via stochastic gradient Langevin dynamics
3、What uncertainties do we need in bayesian deep learning for computer vision?
4、A survey on Bayesian deep learning
5、Evaluating bayesian deep learning methods for semantic segmentation
6、Deep Bayesian natural language processing
7、Quantifying uncertainties in natural language processing tasks
8、An introduction to MCMC for machine learning
9、Bayesian graph convolutional neural networks for semi-supervised classification
10、November. Bayesian graph neural networks with adaptive connection sampling
11、Practical bayesian optimization of machine learning algorithms
12、Stochastic variational inference
项目部分
固定项目
基于LDA的情感分析项目
概要：本项目主要是对评论文本数据进行挖掘，通过主题建模对情感进行分析。在这个项目中你将要完成以下几个任务：1. 根据现有的数据，搭建 LDA 模型，进行情感分析。2. 尝试优化 LDA 模型，提高效果。3. 熟悉并掌握情感分析相关模型。4. （可选）应用预训练模型，尝试进一步提高情感分析结果。5. （可选）融入深度学习的方法，进一步提高情感分析结果。
涉及到的技术：
LDA
文档情感分析
句子级情感分析
适合人群
大学生
在职人士
入学标准
理工科相关专业学生，或者IT从业者
具有良好的Python编程能力、深度学习基础
有一定的机器学习基础
或者成功完成贪心学院以下课程中的任意一门：
中级机器学习
高阶自然语言处理、或者同级别其他课程
课程团队
李文哲老师
贪心学院CEO
曾任凡普金科集团首席数据科学家、 美国亚马逊和高盛的高级工程师， 是金融行业开创知识图谱做大数据反欺诈的第一人。 美国南加州大学博士， 先后在AAAI、KDD、AISTATS、CHI等国际会议上发表过15篇以上论文
毕业证书
对于成功完成每个模块内容的学员，我们会颁发对应模块的毕业证书（注：必须要达到及格标准）
助教老师课上辅导&课下答疑
闫老师
（周一到周日）
常见问题
1、参加本课程有什么要求？
参加本课程需要一定的机器学习基础。
2、学完课程能达到什么水平？
能够系统性理解凸优化技术、有能力自主设计新的模型，并应用在工程中； 或者有能力从事科研相关的工作。
3、课程中的理论和实操比例是怎样的？
课程中会有大量较为深入的技术讲解，由浅入深，理论部分会很充实。 另外，你通过完成课题的方式来完成实战部分。
4、课程支持哪些付费方式？
支付宝、微信、银行卡、公对公打款、paypal付款。
5、加入课程，最后怎样才能拿到证书？
对于证书我们坚持高门槛，只有达到及格线我们才会颁发证书。
新版机器学习课程火热招生中
¥9000