三个月教你从零入门人工智能!! 深度学习精华实践课程

课程特色:
规划全面:涵盖目前主流的深度学习领域,包括图像识别,图像检测,自然语言处理,GAN,分布式训练框架等等。掌握每一项技能都能在从事该领域迈进一步。

重点突出:摒弃繁冗的数学证明,一切从实际出发,突出重点,短时间内掌握重点知识。

实战演练:课程包含多个实际案例,并结合实际项目经验教你如何在企业中做深度学习的项目。

老师介绍:
胡晓曼老师(Charlotte),高级算法工程师 ,博客专家;

擅长用通俗易懂的方式讲解深度学习和机器学习算法,熟悉Tensorflow,PaddlePaddle等深度学习框架,负责过多个机器学习落地项目,如垃圾评论自动过滤,用户分级精准营销,分布式深度学习平台搭建等,都取了的不错的效果。

课程大纲:

第一章: 什么是人工智能

人工智能背景介绍

前期环境准备

第二章: 深度学习入门基础

深度学习环境准备

Tensorflow快速入门一 ——基本概念和框架

Tensorflow快速入门二 ——实战演练和模型训练

Tensorflow快速入门三 ——技巧总结

深度学习数学知识一览表

作业:实例:用自己的数据训练一个二分类模型

作业讲解:如何制作自己的数据集

第三章: 传统神经网络与参数的理解

什么是多层感知机

激活函数的原理、类别与实现

损失函数的原理、类别与实现

梯度下降方法(一)

梯度下降方法 (二)

学习率如何设定

正则化的方法(一)

正则化的方法(二)

实例:识别花的种类

作业:改变不同的参数,提高识别花种类的准确率

作业讲解:不同参数的改变对于准确率的变化原理

第四章: 前向传播与反向传播

前向传播的原理

前向传播的代码实现

反向传播的原理

反向传播的代码实现

实例:自己手写一个完整的BP

作业:写一个Autoencoder

作业讲解:如何写一个Autoencoder

第五章: 自编码Autocoder的原理及应用

什么是Autoencoder

Autoencoder的原理与实现

Autoencoder与PCA的区别

Autoencoder的变种(一)

Autoencoder的变种(二)

实例:Autoencoder与聚类结合在预测用户偏好中的应用

作业:运用Autoencoder对海量数据进行降维

作业讲解:如何高效的运用Autoencoder降维

第六章: 经典卷积神经网络及图像分类

LeNet的网络结构及实现

AlexNet的网络结构及实现

Vgg的网络结构及实现

GoogLeNet的网络结构及实现

ResNet的网络结构及实现

实例:用经典卷积神经网络对cifar-10数据进行图像分类

第七章: 目标检测

传统的目标检测方法

初代算法: Region CNN

升级: SPP Net, Fast RCNN, Faster RCNN

深度学习另辟蹊径: YoLo 和SSD

实例: 自动驾驶的核心:实时目标检测

第八章: 迁移学习

理论分析

迁移模型&原始训练模型

如何设计新的的网络

实例:表情识别/人脸识别/动物识别

第九章: 循环神经网络RNN

RNN 原理详解

情感分析项目介绍

实例:情感分析

第十章: 自然语言处理

处理之前:speech to text

词语表达:词向量与word2vec

语句生成LSTM

实例:教你实现一个简单的聊天机器人

第十一章: 深度卷积神经的重要应用

图片问答

图像模式转换

图像高清化

围棋程序, Alpha go

自动游戏机器人,DeepMind Atari

实例: 图片艺术风格转化

第十二章: 无监督学习:对抗网络GAN

传统无监督学习 Autoencode,K Means,Sparse Coding

RBM 限制博斯曼机,深度学习的另一支

生成对抗网络 GAN

实例: 机器生成图片,以假乱真

第十三章: 高性能计算

单价单卡的实现过程

单机多卡的实现过程

多机单卡的实现及部署

多机多卡的实现及部署

实例:分布式训练实例:基于docker的分布式训练框架搭建

VIP免费

已有14人支付

免责声明
本站提供的一切软件、教程和内容信息仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。本站信息来自网络收集整理,版权争议与本站无关。您必须在下载后的24个小时之内,从您的电脑或手机中彻底删除上述内容。如果您喜欢该程序和内容,请支持正版,购买注册,得到更好的正版服务。
我们非常重视版权问题,如有侵权请邮件与我们联系处理。敬请谅解!
星期八资源网 » 三个月教你从零入门人工智能!! 深度学习精华实践课程