×

首页 > 企业定制

深度学习

课程介绍:

人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。

人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。

人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的

 本项目具体围绕以下几个方面展开,深度学习原理:CNN,RNN等网络,Tensorflow课程,深度学习框架:Caffe课程,深度学习实战演练:人脸识别,深度学习:自然语言处理Word2Vec,深度学习演练:文本分类,具有很强的实践性与实操性。

培训目标:

课程大纲:

一.深度学习Deep Learning基础和基本思想
1.人工智能概述、计算智能、类脑智能
3.机器学习概述、记忆学习、归纳学习、统计学习
4.深度学习的前生今世、发展趋势
5.人工神经网络、前馈神经网络、BP算法 、Hessian矩阵、结构性特征表示
二.深度学习Deep Learning基本框架结构
1. Caffe
2. Tensorflow
3. 3.Torch
4. MXNe
三.深度学习Deep Learning-卷积神经网络
1.CNN卷积神经网络
卷积层(一维卷积、二维卷积)、池化层(均值池化、最大池化)
全连接层激活函数层Softmax层
2.CNN卷积神经网络改进
R-CNN (SPPNET) Fast-R-CNN Faster-R-CNN (YOLO、SSD)
3.深度学习的模型训练技巧
4.梯度下降的优化方法详解
四.深度学习Deep Learning-循环神经网络
1. RNN循环神经网络
梯度计算BPTT
2.RNN循环神经网络改进
LSTMGRUBi-RNNAttention based RNN
3.RNN实际应用Seq2Seq的原理与实现
五.强化学习
1.强化学习的理论知识
2.经典模型DQN讲解
3. AlphaGo原理讲解
4.RL实际应用;实现一个phaGo
六.对抗性生成网络
1. GAN的理论知识
2. GAN经典模型CGAN.LAPGAN.DCGAN
3.GAN经典模型 INFOGAN.WGAN.S2-GAN
4.GAN实际应用 DCGAN提高模糊图片分辨率
5.GAN实际应用 InfoGAN做特定的样本生成
七.迁移学习
1.迁移学习的理论概述
2.迁移学习的常见方法
特征、实例、数据、深度迁移、强化迁移、研究案例
八.CNN应用案例
1.CNN与手写数字集分类
2.YOLO实现目标检测
3.PixelNet原理与实现
4.利用卷积神经网络做图像风格结合
九.总结

我赢职场APP
扫码立即下载

  • 微信图标官方公众号
    二维码扫描二维码
    关注东方瑞通官方公众号
    小图标
  • 微信图标PMP公众号
    二维码扫描二维码
    关注东方瑞通PMP公众号
    小图标
  • 微博图标新浪微博
    二维码扫描二维码
    关注东方瑞通新浪微博
    小图标
  • 微信图标客服小瑞
    二维码扫描二维码
    添加东方瑞通客服小瑞
    小图标

PMI, PMP, Project Management Professional, CAPM, PgMP, PfMP, PMI-ACP, PMI-RMP, PMI-SP, PMI-PBA and PMBOK are registered marks of the Project Management Institute, Inc.

Copyright © 2006-2018 东方瑞通(北京)咨询服务有限公司版权所有

京ICP备 13009094号 京公网安备 11010802014211号