1. <del id="djlcs"></del>

              當前位置: 首頁(yè) > 內訓課程 > 課程內容
              廣告1
              相關(guān)熱門(mén)公開(kāi)課程更多 》
              相關(guān)熱門(mén)內訓課程更多 》
              相關(guān)最新下載資料

              人工智能深度學(xué)習培訓大綱

              課程編號:22052

              課程價(jià)格:¥21200/天

              課程時(shí)長(cháng):3 天

              課程人氣:845

              行業(yè)類(lèi)別:不限行業(yè)     

              專(zhuān)業(yè)類(lèi)別:人工智能 

              授課講師:趙衛東

              • 課程說(shuō)明
              • 講師介紹
              • 選擇同類(lèi)課
              【培訓對象】
              企業(yè)中高層管理人員

              【培訓收益】
              任正非說(shuō):如果我們不想死,就要向最優(yōu)秀的人和組織學(xué)習,否則怎么能先進(jìn)呢?該項目可以零距離接觸,感悟其優(yōu)秀文化,學(xué)習其先進(jìn)的管理之道——他人之石可以攻玉。

               

              時(shí)間安排

              課程內容

              上午

               

              第一章:機器學(xué)習基礎

              1.1、線(xiàn)性代數

              1)矩陣運算   2)向量運算    3)SVD    4)PCA)

              1.2、概率信息論

              1)概論分布        2)期望、方差、協(xié)方差   

              3)貝葉斯          4)結構概論模型)

              1.3、數值優(yōu)化

               

               

              第二章:深度學(xué)習基礎

              2.1、深度學(xué)習介紹

              1)發(fā)展歷史   2)主要應用

              2.2、感知器     2.3、人工神經(jīng)網(wǎng)絡(luò )     2.4、前饋神經(jīng)網(wǎng)絡(luò )

              2.5、BP算法     2.6、Hessian矩陣

               

              下午

              第三章:深度學(xué)習進(jìn)階——卷積神經(jīng)網(wǎng)絡(luò )

              3.1、CNN卷積神經(jīng)網(wǎng)絡(luò )

              1)卷積層(一維卷積、二維卷積)  

              2)池化層(均值池化、最大池化)

              3)全連接層    4)激活函數層   5)Softmax層

              3.2、CNN卷積神經(jīng)網(wǎng)絡(luò )改進(jìn)

              1)R-CNN    2)Fast-R-CNN    3)Faster-R-CNN與圖像分類(lèi)實(shí)戰

              3.3、深度學(xué)習的模型訓練技巧

              3.4、梯度下降的優(yōu)化方法詳解

              上午

              第四章:深度學(xué)習進(jìn)階——循環(huán)神經(jīng)網(wǎng)絡(luò )

              4.1、RNN循環(huán)神經(jīng)網(wǎng)絡(luò )

              1)梯度計算     2)BPTT

              4.2、RNN循環(huán)神經(jīng)網(wǎng)絡(luò )改進(jìn)

              1)LSTM     2)GRU     3)Bi-RNN     4)Attention based RNN

               

               

              第五章:深度學(xué)習軟件

              5.1、各個(gè)深度學(xué)習相關(guān)軟件的對比與使用介紹

              5.2、Tensorflow重點(diǎn)知識提要

              5.3、Tensorflow實(shí)現一個(gè)MNIST手寫(xiě)數據集

               

              下午

              第六章:應用案例(一)

              6.1、CNN應用案例

              1)CNN實(shí)例應用1:實(shí)現人臉檢測與人臉特征點(diǎn)定位

              2)CNN實(shí)例應用2:SSD/YOLO實(shí)現目標檢測

              3)CNN實(shí)例應用3:Tensorflow實(shí)現圖像分類(lèi)與分割

              4)CNN實(shí)例應用4:利用卷積神經(jīng)網(wǎng)絡(luò )做圖像風(fēng)格結合

              6.2、RNN實(shí)際應用

              1)RNN實(shí)例應用1:Seq2Seq的原理與實(shí)現

              2)RNN實(shí)例應用2:Tensorflow實(shí)現遞歸神經(jīng)網(wǎng)絡(luò )進(jìn)行序列預測 

              上午

              第七章:強化學(xué)習

              7.1、強化學(xué)習的理論知識

              7.2、經(jīng)典模型DQN講解

              7.3、AlphaGo原理講解

               

               

              第八章:對抗性生成網(wǎng)絡(luò )

              8.1、GAN的理論知識

              8.2、GAN經(jīng)典模型1:GAN,CGAN,LAPGAN,DCGAN,

              8.3、GAN經(jīng)典模型2:INFOGAN,WGAN,S2-GAN

               

              下午

              第九章:應用案例(二)

              9.1、強化學(xué)習應用案例

              1)RL實(shí)際應用1:實(shí)現一個(gè)AlphaGo

              9.2、GAN應用案例

              1)GAN實(shí)際應用1:DCGAN提高模糊圖片分辨率

              2)GAN實(shí)際應用2:InfoGAN做特定的樣本生成

              咨詢(xún)電話(huà):
              0571-86155444
              咨詢(xún)熱線(xiàn):
              • 微信:13857108608
              聯(lián)系我們
              日韩一区二区三区免费高清|久久国产精品视频|精品一区二区无码|国产成人欧美日本在线观看

                    1. <del id="djlcs"></del>