培训目标：
1、本次培训采用深入浅出的方法，结合实例，重点讲解Deep Learning框架模型、科学算法、训练过程技巧，使学员更有效的掌握Deep Learning核心技术及动手能力；
2、通过本次课程的学习，能够把握深度学习的技术发展趋势，可以熟练掌握深度学习核心技术、主要模型、实践技巧、并配以大量代码练习，同时针对工作中存在的疑难问题进行分析讲解和专题讨论，有效的提升学员解决复杂问题的能力；
培训课程：
|
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，Torch 4，MXNet
|
|
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
LSTM GRU Bi-RNN Attention 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
2， AlphaGo原理讲解
3， RL实际应用；实现一个AlphaGo
|
|
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、深度学习Deep Learning的常用模型或者方法
|
1，AutoEncoder自动编码器
2，Sparse Coding稀疏编码
3，Restricted Boltzmann Machine(RBM)限制波尔兹曼机
4，Deep BeliefNetworks深信度网络
5，Convolutional Neural Networks卷积神经网络
|
|
十、辅助课程
|
（1）疑难解答、分组讨论；
（2）关键问题解析；
|
如果您想学习本课程，请
预约报名
如果没找到合适的课程或有特殊培训需求，请
订制培训
除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916
技术服务需求表下载请点击
服务优势：
丰富专家资源，精准匹配相关行业，相关项目技术精英，面向用户实际需求，针对性培训或咨询，互动式交流，案例教学，精品小班，实际工程项目经验分享，快捷高效，节省时间与金钱，少走弯路与错路。
专家力量：
中国科学院相关研究所高级研究人员
西门子，TI,vmware，MSC,Ansys，MDI，Mentor, candence,Altium,Atmel 、Freescale,达索，华为等
大型公司高级工程师，项目经理，技术支持专家
中科信软培训中心，资深专家或讲师
大多名牌大学，硕士以上学历，相关学历背景专业，理论素养高
多年实际项目实践，大型复杂项目实战案例分享，热情，乐于技术分享
针对客户实际需要，真实案例演示，互动式沟通，学有所值
