|
课程培训
|
深度学习DeepLearning核心技术开发与应用培训课程
培训目标：1、本次深度学习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 |
|
