?
課程目標(biāo)：
?
通過學(xué)習(xí)，了解機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的一般概念；了解機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的歷史、基本理論，典型模型，常用算法；了解機(jī)器學(xué)習(xí)及深度學(xué)習(xí)的開發(fā)流程，涉及到到的工具，平臺(tái)，調(diào)試方法等，了解深度學(xué)習(xí)的基本框架結(jié)構(gòu)，caffe、tensorflow，keras等。并了解一些前沿技術(shù)發(fā)展變化趨勢(shì)。
?
課程收益：
?
1.?掌握深度學(xué)習(xí)運(yùn)行環(huán)境搭建；
2.?掌握深度模型訓(xùn)練和優(yōu)化流程；
3.?熟知深度學(xué)習(xí)五大模型結(jié)構(gòu)；
4.?在開源平臺(tái)訓(xùn)練進(jìn)行實(shí)戰(zhàn)體驗(yàn)；
5.?掌握算法移植到定制芯片的整個(gè)流程。
?
授課方式
?
講師講解、互動(dòng)答疑、上機(jī)實(shí)踐
?
課程大綱：
?
|
主題
|
內(nèi)容
|
|
深度學(xué)習(xí)Deep Learning基礎(chǔ)和基本思想
|
1、?人工智能概述、計(jì)算智能、類腦智能
2、?機(jī)器學(xué)習(xí)概述、記憶學(xué)習(xí)、歸納學(xué)習(xí)、統(tǒng)計(jì)學(xué)習(xí)
3、?深度學(xué)習(xí)的前生今世、發(fā)展趨勢(shì)
4、?人工神經(jīng)網(wǎng)絡(luò)、前饋神經(jīng)網(wǎng)絡(luò)、BP算法 、Hessian矩陣、結(jié)構(gòu)性特征表示
|
|
深度學(xué)習(xí)Deep Learning基本框架結(jié)構(gòu)
|
1.?Caffe介紹
a)?軟件架構(gòu)
b)?安裝以及使用方法
2.?Tensorflow介紹
a)?軟件架構(gòu)
b)?安裝以及使用方法
3.?Keras介紹
a)?軟件架構(gòu)
b)?安裝以及使用方法
4.?虛擬機(jī)安裝以及使用
|
|
機(jī)器學(xué)習(xí)概要介紹
?
|
1.?分類分析算法介紹
a)?貝葉斯概率
b)?決策樹算法族
c)?隨機(jī)森林
d)?支持向量機(jī)
2.?回歸算法介紹
a)?多元線性回歸
b)?邏輯回歸
3.?聚類分析算法介紹
a)?K-means聚類
b)?層次聚類
4． 上機(jī)實(shí)戰(zhàn)
|
|
深度學(xué)習(xí)介紹
|
1.?神經(jīng)網(wǎng)絡(luò)目的
2.?神經(jīng)網(wǎng)絡(luò)的應(yīng)用場(chǎng)景
3.?神經(jīng)網(wǎng)絡(luò)算法介紹
a)?感知機(jī)
b)?反向傳播算法
4.?深度學(xué)習(xí)算法介紹
a)?隨機(jī)梯度下降算法
b)?過擬合與欠擬合
c)?卷積神經(jīng)網(wǎng)絡(luò)
d)?自動(dòng)編碼器
e)?稀疏編碼
f)?限制波爾茲曼機(jī)
g)?循環(huán)神經(jīng)網(wǎng)絡(luò)以及LSTM
5.?應(yīng)用介紹
a)?人臉識(shí)別
b)?風(fēng)格轉(zhuǎn)換
c)?目標(biāo)檢測(cè)
6.?常見模型結(jié)構(gòu)介紹
a)?Alexnet
b)?VGG
c)?Resnet
d)?GoogleNet
e)?SqueezeNet
f)?FCN
7.?上機(jī)實(shí)戰(zhàn)
|
|
前沿技術(shù)介紹
|
1.?強(qiáng)化學(xué)習(xí)
a)?強(qiáng)化學(xué)習(xí)的理論知識(shí)
b)?經(jīng)典模型DQN講解
c)?AlphaGo原理講解
2.?對(duì)抗性生成網(wǎng)絡(luò)
d)?GAN的理論知識(shí) ??
e)?GAN經(jīng)典模型CGAN，LAPGAN，DCGAN
f)?GAN實(shí)際應(yīng)用
3.?遷移學(xué)習(xí)
g)?遷移學(xué)習(xí)的理論概述
h)?遷移學(xué)習(xí)的常見方法
4.?上機(jī)實(shí)戰(zhàn)
|
|
算法移植介紹及討論
|
1．?算法單元介紹
a)?卷積
b)?Pooling
c)?激活函數(shù)
d)?數(shù)據(jù)結(jié)構(gòu)
2．?移植問題討論
|
?
以上課程可以根據(jù)客戶實(shí)際情況進(jìn)行靈活調(diào)整。
