我要報名

咨詢電話：
手　　機：	郵箱：

課程介紹

深度學習(Deep Learning, DL)是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，被認為是智能機器可能的“大腦結構”。得益于GPU的發展，深度學習在人工智能領域取得了大量杰出的成果，成為人工智能時代最重要的技術之一，風靡全球。目前，深度學習的應用遍及人工智能的各個領域，如圖像識別、語音識別、自然語言理解、人臉識別、無人駕駛、推薦系統、社交網絡、計算機視覺、智能機器人等。隨著人工智能技術的快速發展以及國家在人工智能領域的戰略布局，深度學習方面的人才成為國家急需的高層次技術人才。為將深度器學習的重要知識和最新進展進行推廣，名課堂培訓中心特舉辦“人工智能-深度學習技術與實踐”培訓班，本次培訓采用理論+實踐相結合的模式，以達到不僅從知識層面掌握深度學習技術，更從實踐層面熟練使用深度學習技術。

課程對象

1，高級程序員、資深開發人員、人工智能工程師、圖像處理工程師、機器學習工程師。

2，牽涉到網絡采集、處理和規劃的負責人、設計人員。

3，政府機關，金融保險、移動等以互聯網信息為數據來源單位的負責人。

4，高校、科研院所牽涉到網絡數據采集與數據處理及展現的項目負責人。

學員基礎

1，對IT系統設計有一定的理論與實踐經驗。

2. 對機器學習有一定的基礎。

2，對深度學習有一定的興趣。

培訓目標

1，全面了解深度學習。

2，能將深度學習技術應用于實際項目。

3，能將深度學習技術和人工智能的其他技術進行結合，做擴展應用。

培訓內容

理論部分：

第一講 深度學習簡介

1.1什么是深度學習

1.2 為什么進行深度學習

1.3 深度學習的發展簡史

1.4 深度學習的三個步驟

1.5深度學習的現實案例舉例

第二講 深度學習之始：人工神經網絡

2.1 人工神經網絡的設計動機是什么

2.2 單個神經元的功能

2.3 人工神經網絡的優化以及誤差逆傳播（BP）算法

2.4 人工神經網絡中需要注意的問題

2.5 人工神經網絡在表情識別、流量預測中的應用案例

第三講 深度學習中的技巧和注意事項

3.1 深度學習中過學習問題的處理

3.2 如何選擇損失函數

3.3 如何并行化

3.4 如何解決深度學習中梯度消失問題

3.5 如何選擇激勵函數

3.6 權值衰減、Dropout以及新的網絡架構

第四講 卷積神經網絡

4.1 卷積以及卷積網絡的概念

4.2 為什么在使用卷積網絡

4.3 卷積網絡的結構設計

4.4 卷積網絡在圍棋中的應用

4.5 卷積神經網絡在圖像識別中的應用案例

第五講 循環神經網絡

5.1 為什么要使用循環神經網絡

5.2 1-of-N編碼

5.3 長短期記憶網絡

5.4循環神經網絡中的BPTT算法

7.5 循環神經網絡在視頻處理中的應用

第六講 深度學習未來展望

6.1 監督學習中的新應用

6.2 強制學習中的新應用

6.3 非監督學習中的新應用

6.4 DeepMind介紹

實踐部分

第七講 使用深度學習工具Keras進行手寫體識別

第八講 使用深度學習工具TensorFlow進行圖像識別

司老師

清華大學博士，深度學習方面專家，在意大利舉辦的國際在線指紋識別競賽中獲得冠軍，在機器學習和模式識別領域頂級期刊IEEE TPAMI等期刊發表多篇論文，擁有5個中國專利和1個美國專利，是人工智能、深度學習、機器學習和圖像處理和模式識別領域的實戰派專家。

我要報名

在線報名：人工智能-深度學習技術與實踐(北京)