 班級人數(shù)--熱線:4008699035 手機:15921673576( 微信同號) |
| 增加互動環(huán)節(jié)，
保障培訓效果，堅持小班授課，每個班級的人數(shù)限3到5人，超過限定人數(shù),安排到下一期進行學習。 |
| 授課地點及時間 |
上課地點：【上海】：同濟大學(滬西)/新城金郡商務(wù)樓(11號線白銀路站) 【深圳分部】：電影大廈(地鐵一號線大劇院站)/深圳大學成教院 【北京分部】：北京中山學院/福鑫大樓 【南京分部】：金港大廈(和燕路) 【武漢分部】：佳源大廈（高新二路） 【成都分部】：領(lǐng)館區(qū)1號（中和大道） 【廣州分部】：廣糧大廈 【西安分部】：協(xié)同大廈 【沈陽分部】：沈陽理工大學/六宅臻品 【鄭州分部】：鄭州大學/錦華大廈 【石家莊分部】：河北科技大學/瑞景大廈
開班時間(連續(xù)班/晚班/周末班）：2020年3月16日 |
| 課時 |
◆資深工程師授課
☆注重質(zhì)量
☆邊講邊練
☆若學員成績達到合格及以上水平，將獲得免費推薦工作的機會
★查看實驗設(shè)備詳情，請點擊此處★ |
| 質(zhì)量以及保障 |
☆
1、如有部分內(nèi)容理解不透或消化不好，可免費在以后培訓班中重聽；
☆ 2、在課程結(jié)束之后,授課老師會留給學員手機和E-mail,免費提供半年的課程技術(shù)支持，以便保證培訓后的繼續(xù)消化；
☆3、合格的學員可享受免費推薦就業(yè)機會。
☆4、合格學員免費頒發(fā)相關(guān)工程師等資格證書，提升您的職業(yè)資質(zhì)。 |
☆課程大綱☆ |
| |
01章預備知識：圖像識別方法的演進基礎(chǔ)
01-01開發(fā)環(huán)境配置：Anaconda環(huán)境和MXNet
01-02深度學習簡介：起源、特點和發(fā)展
01-03計算機視覺概述
01-04數(shù)據(jù)操作
01-05自動求梯度
01-06圖像識別的演進
01-07線性回歸與線性回歸的實現(xiàn)
01-08線性模型：對數(shù)線性二分類、多分類
01-09獨熱和稠密度向量表示
01-10softmax回歸與實現(xiàn)
01-10基于深度學習的圖像識別技術(shù)發(fā)展
02章深度學習基礎(chǔ)知識
01-01線性模型的局限性：異或問題
01-02非線性輸入轉(zhuǎn)換、核方法、可訓練的映射函數(shù)
01-03感知機和多層感知機的實現(xiàn)
01-04模型選擇、欠擬合過擬合問題
01-05權(quán)重衰減和丟棄法
01-06實戰(zhàn)案例：房價預測模型
01-07神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
01-08前饋神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)
01-09神經(jīng)網(wǎng)絡(luò)的訓練
01-10深度學習計算
03章卷積神經(jīng)網(wǎng)絡(luò)與深度學習
01-01二維卷積層相關(guān)運算
01-02填充和步幅
01-03多輸入通道和多輸出通道
01-04二維最大池化層和平均池化層
01-05卷積神經(jīng)網(wǎng)絡(luò)LeNet模型
01-06深度卷積神經(jīng)網(wǎng)絡(luò)AlexNet
01-07使用重復數(shù)據(jù)的網(wǎng)絡(luò)
01-08網(wǎng)絡(luò)中的網(wǎng)絡(luò)：NIN塊和NIN模型
01-09合并行連接的網(wǎng)絡(luò)
01-10批量歸一化
01-11殘差網(wǎng)絡(luò)ResNet模型
01-12稠密度連接網(wǎng)絡(luò)DeseNet模型
04章循環(huán)神經(jīng)網(wǎng)絡(luò)與深度學習
01-01語言模型計算
01-02循環(huán)神經(jīng)網(wǎng)絡(luò)
01-03模型語言數(shù)據(jù)集
01-04循環(huán)神經(jīng)網(wǎng)絡(luò)從零開始實現(xiàn)
01-05循環(huán)神經(jīng)網(wǎng)絡(luò)的簡介實現(xiàn)
01-06通過時間反向傳播
01-07門控循環(huán)單元
01-08長短期記憶
01-09深度循環(huán)神經(jīng)網(wǎng)絡(luò)
01-10雙向循環(huán)神經(jīng)網(wǎng)絡(luò)
05章優(yōu)化算法與深度學習
01-01優(yōu)化與深度學習的關(guān)系
01-02梯度下降和隨機梯度下降
01-03小批量隨機梯度下降
01-04動量法與實現(xiàn)
01-05AdaGrad算法特點與實現(xiàn)
01-06RMSProp算法
01-07AdaDelta算法
01-08Adma算法
06章計算機技術(shù)與高性能計算
01-01衡量性能的方法
01-02提高性能性能的各種編程方法
01-03命令式和混合編程
01-04異步計算
01-05自動并行運算
01-06多GPU運算
07章AI應(yīng)用方向之計算機視覺
01-01使用圖像增廣訓練模型
01-02微調(diào):熱狗識別
01-03目標檢測和邊界框
01-04計算機視覺：錨框生成
01-05多尺度目標檢測
01-06目標檢測數(shù)據(jù)集：皮卡丘
01-07單發(fā)多框檢測：SSD
01-08卷積神經(jīng)網(wǎng)絡(luò)系列：R-CNN
01-09語意分割和數(shù)據(jù)集
01-10全卷積網(wǎng)絡(luò)
01-11樣式遷移
08章計算機視覺案例：Kaggle圖像識別
01-01案例1:圖像分類
01-02案例2:狗的品種
01-03step1:獲取和整理數(shù)據(jù)集
01-04step2:圖像增廣
01-05step3:讀取數(shù)據(jù)集
01-06step4:定義模型
01-07step5:定義訓練函數(shù)
01-08step6:訓練模型
09章AI應(yīng)用方向之NLP自然語言處理
01-01詞嵌入和連續(xù)詞袋模型
01-02近似訓練：負采樣、層序softmax
01-03word2vec的實現(xiàn)
01-04子詞潛入：fastText
01-05全局向量的詞潛入：GloVe
01-06求近義詞和類比詞
01-07文本情感分類：使用循環(huán)神經(jīng)網(wǎng)絡(luò)
01-08文本情感分類：使用卷積神經(jīng)網(wǎng)絡(luò)（textCNN）
01-09編碼器、解碼器
01-10貪婪搜索、全局搜索、束搜索
01-11注意力機制
10章NLP自然語言處理案例
01-01案例1:機器人翻譯
01-02step1:讀取和與處理數(shù)據(jù)集
01-03step2:含注意力機制的編碼器-解碼器
01-04step3:訓練模型
01-05step4:預測不定長的序列
01-06step5:評價翻譯結(jié)果
01-07唐詩生成器
01-08step1:定義輸入數(shù)據(jù)
01-09step2:定義多層LESTM模型
01-10step3:定義損失函數(shù)
01-11step4:訓練模型生成文字
01-12step5:更多參數(shù)說明
01-13step6:運行自己的數(shù)據(jù)
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業(yè)