1主要内容 Google神经机器翻译系统、深度语音识别系统、用LSTM进行编程和写作。 2.基本概念和知识点 通过案例，展示如何将LSTM等技术用以解决实际问题 3.问题与应用（能力要求） 机器翻译、语音识别、编程和写作属于时间序列处理范畴中的应用实例，通过案 例介绍，理解技术应用于实际问题时所需要解决的各种细节问题，进一步加强技术转 换能力的培养。 (三)思考与实践 运行至少一个反馈网络模型实例，并思考反馈网络模型与前向网络模型差异。 (四)教学方法与手段 课堂讲授，课后编程 第五章深度强化学习（本章选讲） (一)目的与要求 1介绍机器学习的基本概念和方法，掌握编程实现机器学习算法的能力 2.掌握数据分析基本方法和背后的统计学原理 3理解浅层模型处理数据能力的局限 (二)教学内容 第一节马尔科夫决策模型MDPs 1主要内容 马尔科夫过程、马尔科夫奖励过程、马尔科夫决策过程、广义策略迭代 2.基本概念和知识点 机器学习的分类，状态，动作，策略，值函数，奖惩函数，Bellman方程。 3.问题与应用（能力要求） 掌握半监督学习的应用场合，理解MDPs模型 第二节强化学习算法 1.主要内容 9 1.主要内容 Google 神经机器翻译系统、深度语音识别系统、用 LSTM 进行编程和写作。 2.基本概念和知识点 通过案例，展示如何将 LSTM 等技术用以解决实际问题。 3.问题与应用（能力要求） 机器翻译、语音识别、编程和写作属于时间序列处理范畴中的应用实例，通过案 例介绍，理解技术应用于实际问题时所需要解决的各种细节问题，进一步加强技术转 换能力的培养。 （三）思考与实践 运行至少一个反馈网络模型实例，并思考反馈网络模型与前向网络模型差异。 （四）教学方法与手段 课堂讲授，课后编程 第五章 深度强化学习（本章选讲） (一)目的与要求 1.介绍机器学习的基本概念和方法，掌握编程实现机器学习算法的能力 2.掌握数据分析基本方法和背后的统计学原理 3.理解浅层模型处理数据能力的局限 （二）教学内容 第一节 马尔科夫决策模型 MDPs 1.主要内容 马尔科夫过程、马尔科夫奖励过程、马尔科夫决策过程、广义策略迭代 2.基本概念和知识点 机器学习的分类，状态，动作，策略，值函数，奖惩函数，Bellman 方程。 3.问题与应用（能力要求） 掌握半监督学习的应用场合，理解 MDPs 模型 第二节 强化学习算法 1.主要内容