曙海培訓-深度學習DeepLearning核心技術開發與應用培訓合肥上海石家莊成都青島南京重慶蘇州北京深圳廣州天津

深度學習DeepLearning核心技術開發與應用培訓

5 （9653人評價）

熱精品

筆記：(65387)

學員：(217537)

瀏覽：(277013)

加入課程

培訓目標：

1、本次培訓采用深入淺出的方法，結合實例，重點講解Deep Learning框架模型、科學算法、訓練過程技巧，使學員更有效的掌握Deep Learning核心技術及動手能力；

?2、通過本次課程的學習，能夠把握深度學習的技術發展趨勢，可以熟練掌握深度學習核心技術、主要模型、實踐技巧、并配以大量代碼練習，同時針對工作中存在的疑難問題進行分析講解和專題討論，有效的提升學員解決復雜問題的能力；

培訓課程：

一、深度學習Deep Learning基礎和基本思想

?

1，人工智能概述、計算智能、類腦智能

3，機器學習概述、記憶學習、歸納學習、統計學習

4，深度學習的前生今世、發展趨勢

5，人工神經網絡、前饋神經網絡、BP算法、Hessian矩陣、結構性特征表示

二、深度學習Deep Learning基本框架結構

1，Caffe????????????2，Tensorflow

3，Torch????????????4，MXNet

三，深度學習Deep Learning-卷積神經網絡

1，CNN卷積神經網絡

卷積層（一維卷積、二維卷積）、池化層（均值池化、最大池化）

全連接層 ???激活函數層 ???Softmax層

2，CNN卷積神經網絡改進

R-CNN （SPPNET） ?Fast-R-CNN??Faster-R-CNN （YOLO、SSD）

3，深度學習的模型訓練技巧

4，梯度下降的優化方法詳解

四，深度學習Deep Learning-循環神經網絡

1，?RNN循環神經網絡

梯度計算 ???BPTT

2，RNN循環神經網絡改進

LSTM??????GRU?????Bi-RNN??Attention based RNN

3，RNN實際應用 ???Seq2Seq的原理與實現 ???

五、強化學習

1，強化學習的理論知識 ?

2，經典模型DQN講解

2，?AlphaGo原理講解 ???

3，?RL實際應用；實現一個AlphaGo

六，對抗性生成網絡

1，?GAN的理論知識 ??

2，?GAN經典模型CGAN，LAPGAN，DCGAN

3，GAN經典模型 ?INFOGAN，WGAN，S2-GAN

4，GAN實際應用 ?DCGAN提高模糊圖片分辨率

5，GAN實際應用 ?InfoGAN做特定的樣本生成

七、遷移學習

1，遷移學習的理論概述

2，遷移學習的常見方法

特征、實例、數據、深度遷移、強化遷移、研究案例

八、CNN應用案例

1，CNN與手寫數字集分類

2，YOLO實現目標檢測

3，PixelNet原理與實現

4，利用卷積神經網絡做圖像風格結合

九、深度學習Deep Learning的常用模型或者方法

1，AutoEncoder自動編碼器

2，Sparse Coding稀疏編碼

3，Restricted Boltzmann Machine(RBM)限制波爾茲曼機

4，Deep BeliefNetworks深信度網絡

5，Convolutional Neural Networks卷積神經網絡

十、輔助課程

（1）疑難解答、分組討論；

（2）關鍵問題解析；

深度學習DeepLearning核心技術開發與應用培訓

課程介紹

精品課程班級列表

一、深度學習Deep Learning基礎和基本思想 ?	1，人工智能概述、計算智能、類腦智能 3，機器學習概述、記憶學習、歸納學習、統計學習 4，深度學習的前生今世、發展趨勢 5，人工神經網絡、前饋神經網絡、BP算法、Hessian矩陣、結構性特征表示
二、深度學習Deep Learning基本框架結構	1，Caffe????????????2，Tensorflow 3，Torch????????????4，MXNet
三，深度學習Deep Learning-卷積神經網絡	1，CNN卷積神經網絡卷積層（一維卷積、二維卷積）、池化層（均值池化、最大池化）全連接層 ???激活函數層 ???Softmax層 2，CNN卷積神經網絡改進 R-CNN （SPPNET） ?Fast-R-CNN??Faster-R-CNN （YOLO、SSD） 3，深度學習的模型訓練技巧 4，梯度下降的優化方法詳解
四，深度學習Deep Learning-循環神經網絡	1，?RNN循環神經網絡梯度計算 ???BPTT 2，RNN循環神經網絡改進 LSTM??????GRU?????Bi-RNN??Attention based RNN 3，RNN實際應用 ???Seq2Seq的原理與實現 ???
五、強化學習	1，強化學習的理論知識 ? 2，經典模型DQN講解 2，?AlphaGo原理講解 ??? 3，?RL實際應用；實現一個AlphaGo
六，對抗性生成網絡	1，?GAN的理論知識 ?? 2，?GAN經典模型CGAN，LAPGAN，DCGAN 3，GAN經典模型 ?INFOGAN，WGAN，S2-GAN 4，GAN實際應用 ?DCGAN提高模糊圖片分辨率 5，GAN實際應用 ?InfoGAN做特定的樣本生成
七、遷移學習	1，遷移學習的理論概述 2，遷移學習的常見方法特征、實例、數據、深度遷移、強化遷移、研究案例
八、CNN應用案例	1，CNN與手寫數字集分類 2，YOLO實現目標檢測 3，PixelNet原理與實現 4，利用卷積神經網絡做圖像風格結合
九、深度學習Deep Learning的常用模型或者方法	1，AutoEncoder自動編碼器 2，Sparse Coding稀疏編碼 3，Restricted Boltzmann Machine(RBM)限制波爾茲曼機 4，Deep BeliefNetworks深信度網絡 5，Convolutional Neural Networks卷積神經網絡
十、輔助課程	（1）疑難解答、分組討論；（2）關鍵問題解析；