深度学习DeepLearning核心技术实战

Flower

时间地点:《远程在线培训班正在进行，详情请联系会务组》

2020年12月18日—2020年12月21日 远程在线授课

2020年12月18日—2020年12月21日 北京*机房上课

(第一天全天报到，授课三天，机房上课)

课程体系

深度学习基础和基本思想

1.人工智能概述、计算智能、类脑智能

2.机器学习概述、记忆学习、归纳学习、统计学习

3.深度学习的前生今世、发展趋势

4.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、深度学习基本框架结构

1，Tensorflow 2， Caffe 3，Torch 4，MXNet

三，卷积神经网络CNN 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，循环神经网络RNN 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DRL 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GAN 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TL

迁移学习的理论概述

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、深度学习算法理论解析

1，基于区域卷积网络RCNN 2，深度残差网络Resnet

3，胶囊网络Capsule 4，长短时记忆网络LSTM

5，注意力机制 6，BP反传算法

7，可变分编码器VAE

九、深度学习实际应用案例操作

1，CNN——》图像分类 2，Lstm——》文本分类

3，Lstm——》命名实体抽取 4，Yolo——》目标检测

5，图像分类(CNN) 6，目标定位和识别(RCNN)

7，图像重建(Auto-encoder) 8，文本识别(RNN)

9，实体标注(LSTM) 10，手写体数字生成(GAN)

11，逻辑回归导出图像分类； 12，静/动态图编写（CNN）

联系方式：

联系人: 栗泽宇 手机：13311241619

电 话：010-56129268 网址：http://www.cnzgrz.org.cn

E_mail：772489244@qq.com 官方QQ：772489244

深度学习之家QQ群群号： 372448770（加群备注：栗泽宇老师邀请）