当前位置: 首页 > 内训课程 > 课程内容
广告1
相关热门公开课程更多 》
相关热门内训课程更多 》
相关最新下载资料

深度学习培训大纲

课程编号:34606

课程价格:¥21200/天

课程时长:3 天

课程人气:338

行业类别:行业通用     

专业类别:管理技能 

授课讲师:赵卫东

  • 课程说明
  • 讲师介绍
  • 选择同类课
【培训对象】


【培训收益】


时间安排 课程内容


天 上午
第一章:机器学习基础 1.1、线性代数
1)矩阵运算 2)向量运算 3)SVD 4)PCA)
1.2、概率信息论
1)概论分布 2)期望、方差、协方差
3)贝叶斯 4)结构概论模型)
1.3、数值优化
第二章:深度学习基础 2.1、深度学习介绍
1)发展历史 2)主要应用
2.2、感知器 2.3、人工神经网络 2.4、前馈神经网络
2.5、BP算法 2.6、Hessian矩阵
下午 第三章:深度学习进阶——卷积神经网络 3.1、CNN卷积神经网络
1)卷积层(一维卷积、二维卷积)
2)池化层(均值池化、最大池化)
3)全连接层 4)激活函数层 5)Softmax层
3.2、CNN卷积神经网络改进
1)R-CNN 2)Fast-R-CNN 3)Faster-R-CNN与图像分类实战
3.3、深度学习的模型训练技巧
3.4、梯度下降的优化方法详解


天 上午 第四章:深度学习进阶——循环神经网络 4.1、RNN循环神经网络
1)梯度计算 2)BPTT
4.2、RNN循环神经网络改进
1)LSTM 2)GRU 3)Bi-RNN 4)Attention based RNN
第五章:深度学习软件 5.1、各个深度学习相关软件的对比与使用介绍
5.2、Tensorflow重点知识提要
5.3、Tensorflow实现一个MNIST手写数据集
下午 第六章:应用案例(一) 6.1、CNN应用案例
1)CNN实例应用1:实现人脸检测与人脸特征点定位
2)CNN实例应用2:SSD/YOLO实现目标检测
3)CNN实例应用3:Tensorflow实现图像分类与分割
4)CNN实例应用4:利用卷积神经网络做图像风格结合
6.2、RNN实际应用
1)RNN实例应用1:Seq2Seq的原理与实现
2)RNN实例应用2:Tensorflow实现递归神经网络进行序列预测 


天 上午 第七章:强化学习 7.1、强化学习的理论知识
7.2、经典模型DQN讲解
7.3、AlphaGo原理讲解
第八章:对抗性生成网络 8.1、GAN的理论知识
8.2、GAN经典模型1:GAN,CGAN,LAPGAN,DCGAN,
8.3、GAN经典模型2:INFOGAN,WGAN,S2-GAN
下午 第九章:应用案例(二) 9.1、强化学习应用案例
1)RL实际应用1:实现一个AlphaGo
9.2、GAN应用案例
1)GAN实际应用1:DCGAN提高模糊图片分辨率
2)GAN实际应用2:InfoGAN做特定的样本生成 

咨询电话:
0571-86155444
咨询热线:
  • 微信:13857108608
联系我们