我们海文教育主要针对那些想要做数据工程师的学员，课程中讲师主讲TensorFlow的基础原理，TF和其他框架的异同。并用具体的代码完整地实现了各种类型的深度神经网络：AutoEncoder、MLP、CNN（AlexNet，VGGNet，Inception Net，ResNet）、Word2Vec、RNN（LSTM，Bi-RNN）、Deep Reinforcement Learning(Policy Network、Value Network)。此外，还讲解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib组件。本课程能帮读者快速入门TensorFlow和深度学习，在工业界或者研究中快速地将想法落地为可实践的模型
课程三十二、深度学习与TensorFlow实战
本课程希望用简单易懂的语言带领大家探索TensorFlow（基于1.0版本API）。课程中讲师主讲TensorFlow的基础原理，TF和其他框架的异同。并用具体的代码完整地实现了各种类型的深度神经网络：AutoEncoder、MLP、CNN（AlexNet，VGGNet，Inception Net，ResNet）、Word2Vec、RNN（LSTM，Bi-RNN）、Deep Reinforcement Learning(Policy Network、Value Network)。此外，还讲解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib组件。本课程能帮读者快速入门TensorFlow和深度学习，在工业界或者研究中快速地将想法落地为可实践的模型；
1）TensorFlow基础
2）TensorFlow和其他深度学习框架的对比
3）TensorFlow*步
4）TensorFlow实现自编码器及多层感知机
5）TensorFlow实现卷积神经网络
6）TensorFlow实现经典卷积神经网络
7）TensorFlow实现循环神经网络及Word2Vec
8）TensorFlow实现深度强化学习
9）TensorBoard、多GPU并行及分布式并行
课程三十三、推荐系统
本课程重点讲解开发推荐系统的方法，尤其是许多经典算法，重点探讨如何衡量推荐系统的有效性。课程内容分为基本概念和进展两部分：前者涉及协同推荐、基于内容的推荐、基于知识的推荐、混合推荐方法，推荐系统的解释、评估推荐系统和实例分析；后者*括针对推荐系统的攻击、在线消费决策、推荐系统和下一代互联网以及普通环境中的推荐。课程中*含大量的图、表和示例，有助于学员理解和把握相关知识等：
1）协同过滤推荐
2）基于内容的推荐
3）基于知识的推荐
4）混合推荐方法
5）推荐系统的解释
6）评估推荐系统
7）案例研究
课程三十四、人工智能（选修）
本课程主要讲解人工智能的基本原理、实现技术及其应用，国内外人工智能研究领域的进展和发展方向。内容主要分为4个部分：
第1部分是搜索与问题求解，系统地叙述了人工智能中各种搜索方法求解的原理和方法，内容*括状态空间和传统的图搜索算法、和声算法、禁忌搜索算法、遗传算法、免疫算法、粒子群算法、蚁群算法和Agent技术等；
第2部分为知识与推理，讨论各种知识表示和处理技术、各种典型的推理技术，还*括非经典逻辑推理技术和非协调逻辑推理技术；
第3部分为学习与发现，讨论传统的机器学习算法、神经网络学习算法、数据挖掘和知识发现技术；
第4部分为领域应用，分别讨论专家系统开发技术和自然语言处理原理和方法。通过对这些内容的讲解能够使学员对人工智能的基本概念和人工智能系统的构造方法有一个比较清楚的认识，对人工智能研究领域里的成果有所了解
1）AI的产生及主要学派
2）人工智能、专家系统和知识工程
3）实现搜索过程的三大要素
4）搜索的基本策略
5）图搜索策略
6）博弈与搜索
7）演化搜索算法
8）群集智能算法
9）记忆型搜索算法
10）基于Agent的搜索
11）知识表示与处理方法
12）谓词逻辑的归结原理及其应用
13）非经典逻辑的推理
14）次协调逻辑推理
课程三十五、大数据爬虫项目实战
本项目采用Java语言实现，绝对基于真实的爬虫项目进行改进和优化，希望进一步提升大家的大数据项目经验。本项目基本涵盖了爬虫项目的整个流程，*括数据爬虫、全文检索、数据可视化、爬虫项目监控、爬虫项目维护等等。解决了爬虫项目中遇到的棘手问题，*括破解网站反爬策略、网站模板定期变更、网站频繁访问IP被封等等问题；技术架构：
Java、HttpClient、Redis、Solr、HBase、Zookeeper、HighChart、HTMLEmail
课程三十六、道路交通实时流量监控预测系统项目实战
本项目主要采用目前大数据领域最成熟的实时计算框架Spark，它是目前主流企业在实时计算方向采用的主流框架。本项目使用了Spark技术生态栈中的三个技术框架：Spark Core、Spark Streaming和Spark MLlib，进行道路交通实时流量监控预测系统的开发。业务实现*括数据产生模块、数据实时收集处理模块、特征数据提取模块、模型预测模块、数据存储模块；技术架构：
Spark Core、Spark Streaming和Spark MLlib
