百度上线PaddlePaddle公开课无缝覆盖全球开发者

　　近日，百度上线PaddlePaddle公开课，以提供丰富的深度学习课程资源，在线帮助开发者从零开始掌握PaddlePaddle深度学习框架。这也是业内第一套由深度学习教育联盟合作伙伴制作完成，包含理论和实战的PaddlePaddle深度学习中文视频课程。

　　深度学习教育联盟由百度牵头成立，旨在全方位支持深度学习人才培养。深度学习教育联盟将为开发者提供包括内容、渠道、平台、科研、赛事、资金等多方面支持，帮助感兴趣的开发者快速转型为合格的深度学习工程师。有意向成为深度学习教育联盟的合作伙伴可以在线申请加入百度AI开放平台生态伙伴计划。

　　据了解，首期深度学习视频课程是由深度学习教育联盟合作伙伴University AI制作完成，并率先推出包含原理、算法和实战等干货内容。University AI以百度PaddlePaddle深度学习框架为基础，针对普通工程师向算法工程师转型，全方位打造从入门到进阶的人工智能课程。

　　University AI作为中国最早的深度学习以及深度强化学习课程和知识的传道者，在PaddlePaddle公开课中创造了具备完整人工智能视野的全方位人工智能课程。同时，课程包含了大量从未在人工智能教育产品中露面的技术领域，包括生成式对抗网络、深度强化学习、深度多agent系统和逻辑学等，这也是国内人工智能领域首次出现如此深度的教育产品。

　　目前，该视频课程已在PaddlePaddle训练营上线推出。除此之外，深度学习教育联盟其他合作伙伴也在陆续制作深度学习入门与实践、PaddlePaddle实战、PaddlePaddle应用场景、AI趣味课堂等五大部分上百小时的视频课程，且所有内容均免费向开发者开放，充分满足开发者全方位的学习需求。

　　作为百度自主研发的深度学习平台，PaddlePaddle的易学易用和灵活高效极大地降低了开发者的研发门槛。如今，PaddlePaddle已开放近20种工业级模型，包括点击率预估、语音识别、文本分类、图像分类等，不仅满足了大批第三方开发者的个性化需求，也加速了第三方AI产品的落地。PaddlePaddle还被业界誉为最符合中国开发者需要的深度学习开源平台，目前已成为全球开发热度(用Github pull request数量衡量)增速最高的深度学习开源平台。

　　为了帮助开发者打造了一条深度学习快速进阶之路，百度还在线下全新开设了深度学习公开课，从PaddlePaddle开发基础与功能、深度学习工程师的职业规划以及PaddlePaddle应用解析等方面，为开发者全面介绍深度学习技术与PaddlePaddle的最新进展。百度希望PaddlePaddle能帮助更多不同领域的合作伙伴，加速AI产品的落地，也希望以此扩大PaddlePaddle的朋友圈，将它打造成推动中国各行业实现AI转型的重要力量。

　　感兴趣的开发者可登陆PaddlePaddle训练营，学习更多与深度学习相关的干货内容！

　　附：课程目录

　　一、迈入现代人工智能的大门

　　Modern AI你知多少

　　Modern AI骨架脉络

　　深度学习简介

　　关键突破&mdash；&mdash；多层感知机网络模型

　　深度学习的基础算法&mdash；&mdash；反向传播算法简介

　　PaddlePaddle框架简介和几个案例

　　二、让机器能看的现代技术

　　计算机视觉小普及

　　计算机视觉深入认知

　　源自视觉神经原理的卷积网络简介

　　卷积网络深入理解

　　AlexNet 深度学习关键突破

　　VGG网络 更深的架构尝试

　　ResNet 深度学习模型的深度究竟能有多深

　　PaddlePaddle 加持下的卷积网络实现

　　三、循环网络原理、模型及应用 (语音识别，自然语言处理)

　　课程导引

　　序列场景分析

　　初识循环神经网络

　　突破障碍的LSTM

　　新式的简化变体GRU网络

　　神经图灵机整体结构

　　神经图灵机&mdash；&mdash；寻址

　　神经图灵机&mdash；&mdash；控制器

　　PaddlePaddle实现LSTM和GRU

　　四、CNN和RNN应用

　　文本数据究竟能够干什么&mdash；&mdash；典型场景分析

　　文本分类的神器&mdash；&mdash；卷积神经网络

　　情感分析的强大武器&mdash；&mdash；循环神经网络

　　机器也可写写诗&mdash；&mdash；中文诗歌生成网络初探

　　PaddlePaddle 实现

　　五、神经自然语言处理

　　自然语言理解概述

　　神经语言模型

　　语义模型&mdash；&mdash；深度结构化语义模型

　　序列标注&mdash；&mdash；命名实体识别

　　PaddlePaddle实现

　　六、搜索排序应用

　　排序学习简介

　　排序学习不同类别和Pointwise方法

　　Pairwise方法和Listwise方法

　　Pairwise 方法的神经网络模型 RankNet

　　Listwise 方法的神经网络模型 LambdaRank

　　PaddlePaddle 实现 RankNet 和 LambdaRank

　　七、强化学习

　　强化学习导引

　　基于值的强化学习方法

　　基于策略的强化学习方法

　　基于模型的强化学习方法

　　强化学习实验环境

　　八、可解释的模型及应用

　　可解释的模型简介

　　概率图模型

　　贝叶斯推断

　　贝叶斯深度学习

　　常用的实践环境

　　九、生成式模型的基本概念、方法和应用

　　生成式模型方法

　　变分自编码器

　　生成式对抗网络

　　PaddlePaddle 实现 VAE 和 GAN

　　十、深度强化学习算法及应用

　　深度强化学习简介

　　DQN技术

　　DDPG技术

　　AlphaGo相关技术

　　实践环境

　　十一、多智能体系统及学习技术

　　多智能体系统简介

　　多智能体博弈和协同

　　多智能体系统机器学习

　　多智能体深度强化学习

　　多智能体实验环境简介

　　十二、基于逻辑的深度学习技术

　　符号学派简介

　　归纳逻辑编程 ILP

　　结合深度学习的逻辑方法

　　常用的逻辑编程工具

　　课程的总结和对未来的展望