人工智能-深度学习技术与实践

人工智能-深度学习技术与实践

我要报名

课程介绍

深度学习(Deep Learning, DL)是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，被认为是智能机器可能的“大脑结构”。得益于GPU的发展，深度学习在人工智能领域取得了大量杰出的成果，成为人工智能时代最重要的技术之一，风靡全球。目前，深度学习的应用遍及人工智能的各个领域，如图像识别、语音识别、自然语言理解、人脸识别、无人驾驶、推荐系统、社交网络、计算机视觉、智能机器人等。随着人工智能技术的快速发展以及国家在人工智能领域的战略布局，深度学习方面的人才成为国家急需的高层次技术人才。为将深度器学习的重要知识和最新进展进行推广，名课堂培训中心特举办“人工智能-深度学习技术与实践”培训班，本次培训采用理论+实践相结合的模式，以达到不仅从知识层面掌握深度学习技术，更从实践层面熟练使用深度学习技术。

课程对象

1，高级程序员、资深开发人员、人工智能工程师、图像处理工程师、机器学习工程师。

2，牵涉到网络采集、处理和规划的负责人、设计人员。

3，政府机关，金融保险、移动等以互联网信息为数据来源单位的负责人。

4，高校、科研院所牵涉到网络数据采集与数据处理及展现的项目负责人。

学员基础

1，对IT系统设计有一定的理论与实践经验。

2. 对机器学习有一定的基础。

2，对深度学习有一定的兴趣。

培训目标

1，全面了解深度学习。

2，能将深度学习技术应用于实际项目。

3，能将深度学习技术和人工智能的其他技术进行结合，做扩展应用。

培训内容

理论部分：

第一讲 深度学习简介

1.1什么是深度学习

1.2 为什么进行深度学习

1.3 深度学习的发展简史

1.4 深度学习的三个步骤

1.5深度学习的现实案例举例

第二讲 深度学习之始：人工神经网络

2.1 人工神经网络的设计动机是什么

2.2 单个神经元的功能

2.3 人工神经网络的优化以及误差逆传播（BP）算法

2.4 人工神经网络中需要注意的问题

2.5 人工神经网络在表情识别、流量预测中的应用案例

第三讲 深度学习中的技巧和注意事项

3.1 深度学习中过学习问题的处理

3.2 如何选择损失函数

3.3 如何并行化

3.4 如何解决深度学习中梯度消失问题

3.5 如何选择激励函数

3.6 权值衰减、Dropout以及新的网络架构

第四讲 卷积神经网络

4.1 卷积以及卷积网络的概念

4.2 为什么在使用卷积网络

4.3 卷积网络的结构设计

4.4 卷积网络在围棋中的应用

4.5 卷积神经网络在图像识别中的应用案例

第五讲 循环神经网络

5.1 为什么要使用循环神经网络

5.2 1-of-N编码

5.3 长短期记忆网络

5.4循环神经网络中的BPTT算法

7.5 循环神经网络在视频处理中的应用

第六讲 深度学习未来展望

6.1 监督学习中的新应用

6.2 强制学习中的新应用

6.3 非监督学习中的新应用

6.4 DeepMind介绍

实践部分

第七讲 使用深度学习工具Keras进行手写体识别

第八讲 使用深度学习工具TensorFlow进行图像识别

司老师

清华大学博士，深度学习方面专家，在意大利举办的国际在线指纹识别竞赛中获得冠军，在机器学习和模式识别领域顶级期刊IEEE TPAMI等期刊发表多篇论文，拥有5个中国专利和1个美国专利，是人工智能、深度学习、机器学习和图像处理和模式识别领域的实战派专家。

我要报名

在线报名：人工智能-深度学习技术与实践(北京)

其他城市研发管理培训