| 培训目标：
|
- 深度学习模型应用常见应用场景
- 深度学习模型基础技术栈
- 深度学习模型常见的难点
- 基于深度学习框架TensorFlow进行深度学习模型案例实现
-
-
主题
|
课程安排 |
| 深度学习基本原理 |
1、深度学习简介
2、深度学习成功应用
3、深度学习与神经网络的对比
4、深度学习的训练过程
5、深度学习的具体模型
- 自动编码器
- 稀疏自动编码器
- 降噪自动编码器
6、深度学习应用案例
|
| 深度学习模型原理解析 |
1、CNN
- CNN模型的推导与实现
- CNN的反向求导及练习
- CNN应用：文本分类
- CNN 常见问题总结
2、RNN
- RNN模型的推导与实现
- RNN的反向求导及练习
- RNN应用：个性化电影推荐
- RNN常见问题总结
3、LSTM
- LSTM模型的推导与实现
- LSTM的反向求导及练习
- LSTM应用：文本识别
- LSTM常见问题总结
4、DNN
- DNN模型的推导与实现
- DNN的反向求导及练习
- DNN应用：CTR预估
- DNN常见问题总结
5、广告搜索中深度学习的应用
- 查询意图识别：CSR
- 文本相关性：Word2Vec。DSSM
- CTR预估：DNN、MxNet
- 图像理解：VGGNet、CNN
|
| 深度学习框架实践Tensorflow |
1、Tensorflow框架介绍
2、TensorFlow和其他深度学习框架的对比
3、Tensorflow 特性
4、Tensorflow 下载及安装
5、Tensorflow 架构
6、Tensorflow 基本使用
7、TensorFlow实现多层感知机
8、TensorFlow实现卷积神经网络
- TensorFlow实现简单的卷积网络
- TensorFlow实现进阶的卷积网络
- TensorFlow实现经典卷积神经网络
- TensorFlow实现ResNet
9、Tensorflow 实现循环神经网络及Word2Vec
- Tensorflow 实现Word2Vec
- Tensorflow 实现基于LSTM的语言模型
10、TensorFlow实现深度强化学习
- 深度强化学习简介
- TensorFlow实现策略网络
- TensorFlow实现估值网络
11、TensorBoard、多GPU并行及分布式并行
- TensorBoard
- 多GPU并行
- 分布式并行
12、实战：Python中实现LSTM模型搭建：时间序列
- 基于某家店的某顾客的历史消费的时间推测该顾客前下次来店的时间
13、实战：用TensorFlow搭建图像识别系统
14、Tensorflow结合Spark
|
|
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
