曙海教學優(yōu)勢
本課程面向企事業(yè)項目實際需要,秉承二十一年積累的教學品質(zhì)，深度學習DeepLearning核心技術開發(fā)與應用培訓課程以項目實現(xiàn)為導向,老師將會與您分享設計的全流程以及工具的綜合使用技巧、經(jīng)驗。線上/線下/上門皆可,深度學習DeepLearning核心技術開發(fā)與應用培訓課程專家,課程可定制,熱線:4008699035。
大批企業(yè)和曙海
建立了良好的合作關系,合作企業(yè)30萬+。曙海的課程培養(yǎng)了大批受企業(yè)歡迎的工程師。曙海的課程在業(yè)內(nèi)有著響亮的知名度。
1、本次深度學習培訓采用深入淺出的方法，結(jié)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(fā)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;
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(tǒng)計學習
4，深度學習的前生今世、發(fā)展趨勢
5，人工神經(jīng)網(wǎng)絡、前饋神經(jīng)網(wǎng)絡、BP算法 、Hessian矩陣、結(jié)構(gòu)性特征表示
二、深度學習Deep Learning基本框架結(jié)構(gòu)
1，Caffe 2，Tensorflow
3，Torch 4，MXNet
三，深度學習Deep Learning-卷積神經(jīng)網(wǎng)絡
1，CNN卷積神經(jīng)網(wǎng)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(shù)層 Softmax層
2，CNN卷積神經(jīng)網(wǎng)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(yōu)化方法詳解
四，深度學習Deep Learning-循環(huán)神經(jīng)網(wǎng)絡
1， RNN循環(huán)神經(jīng)網(wǎng)絡
梯度計算 BPTT
2，RNN循環(huán)神經(jīng)網(wǎng)絡改進
LSTM GRU Bi-RNN Attention based RNN
3，RNN實際應用 Seq2Seq的原理與實現(xiàn)
五、強化學習
1，強化學習的理論知識
2，經(jīng)典模型DQN講解
2， AlphaGo原理講解
3， RL實際應用;實現(xiàn)一個AlphaGo
六，對抗性生成網(wǎng)絡
1， GAN的理論知識
2， GAN經(jīng)典模型CGAN，LAPGAN，DCGAN
3，GAN經(jīng)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(shù)據(jù)、深度遷移、強化遷移、研究案例
八、CNN應用案例
1，CNN與手寫數(shù)字集分類
2，YOLO實現(xiàn)目標檢測
3，PixelNet原理與實現(xiàn)
4，利用卷積神經(jīng)網(wǎng)絡做圖像風格結(jié)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(wǎng)絡
5，Convolutional Neural Networks卷積神經(jīng)網(wǎng)絡
十、輔助課程
(1)疑難解答、分組討論;
(2)關鍵問題解析;
