深度学习快速上手+框架实战课程
  1. 深度学习一

    1. 录播
      深度学习历史和简介
      21分钟
    2. 录播
      深度学习 基础概念 核心思想主要技术
      15分钟
    3. 录播
      递归神经网络
      20分钟
  2. 深度学习二

    1. 录播
      机器翻译
      16分钟
    2. 录播
      深度学习与自然语言处理
      22分钟
    3. 录播
      深度学习与自然语言处理
      17分钟

对课程感兴趣?

点击报名,听课时长可兑换余额哦~

深度学习快速上手+框架实战课程免费

最近在学 0 累计报名 381 好评度 -
咨询老师

课程概述

目录

评论

老师介绍

  • 史良

    史良

    史良,三年IT开发经验,后转型IT软件教育行业,并在国内某知名机构参与研发大数据专业课程与相关教材设计,并在研发期间获得“优秀研发专员“”称号嘉奖,熟悉Hadoop、HBase、spark等大数据核心技术及生态圈框架,现任北风网大数据讲师,获得首批教师资质考核认证。授课风格:深入浅出,接地气。
  • 刘明

    刘明

    刘老师,北风笔名gerry,5年软件开发从业经验,3年大数据开发经验。参与过旅游、电商、游戏等多个大型企业项目和大数据项目。先任北风网高级大数据讲师。
  • 范志俊

    范志俊

    北风网Python讲师,网名“子沐”,计算机专业出身,长年从事PHP、Python开发、数据分析等相关工作,针对Python爬虫及其防范反爬虫机制有独到见解,对于深度学习及机器学习研究深入。
简  介 深度学习快速上手+框架实战课程(Caffe、Pylearn2、神经网络、HMM、MVCE、TensorFlow)

该课程主要介绍了深度学习是国际上非常活跃、非常多产的研究领域,它被广泛应用于计算机视觉、图像分析、语音识别和自然语言处理等诸多领域。在多个领域上,深度神经网络已大幅超越了已有算法的性能。该课程对深度神经网络尤其是卷积神经网络进行介绍,且注重深度学习的实际应用。而且,该课程还对深度学习研发现状进行总结和阐述,包括Google 和Facebook。该课程通过示例的方式详解深度学习的具体应用,包括手写数字识别,物体识别,及以人为中心的计算(包括人脸识别、人脸表情识别、年龄估计、人脸关键点定位等)。该课程也介绍了深度学习Caffe 和Pylearn2 两个平台,并给出具体示例,介绍如何使用。同时全面、系统地介绍深度学习相关的技术,包括人工神经网络,卷积神经网络,深度学习平台及源代码分析。

1.课程研发环境
课程基于深度学习,讲解过程中使用的是office2010(32位)版工具
Office工具:2007、2010
Visual Studio 工具: 2013


2.内容简介
深度学习是国际上非常活跃、非常多产的研究领域,它被广泛应用于计算机视觉、图像分析、语音识别和自然语言处理等诸多领域。在多个领域上,深度神经网络已大幅超越了已有算法的性能。该课程对深度神经网络尤其是卷积神经网络进行介绍,且注重深度学习的实际应用。而且,该课程还对深度学习研发现状进行总结和阐述,包括Google 和Facebook。该课程通过示例的方式详解深度学习的具体应用,包括手写数字识别,物体识别,及以人为中心的计算(包括人脸识别、人脸表情识别、年龄估计、人脸关键点定位等)。该课程也介绍了深度学习Caffe 和Pylearn2 两个平台,并给出具体示例,介绍如何使用。同时全面、系统地介绍深度学习相关的技术,包括人工神经网络,卷积神经网络,深度学习平台及源代码分析。


林正讲师,一直从事于Java和数据库开发方面工作,涉及到对于JavaEE和数据库方面有所深入的研究,主要从事于财务方向和金融方面的开发,毕业到现在,前后在华为、阿里等公司担任开发部主要职位,在ERP系统,人资管控系统的架构方面有着重要的开发和架构经验。着力于多省市的各大银行的告警系统,人力管理系统的开发方面有着显著的成效
主要从事Java、数据库相关技术:Struts、Sping 、Oracle、SQL Server、MongoDB、Memcache、Hibernate、Html、JavaScript、AnjularJS大数据开发,Hadoop 大数据,云计算等领域。

第1章 深度学习
1.1-深度学习的历史与简介
1.2-深度学习 基础概念 核心思想主要技术
1.3-递归神经网络
1.4-循环神经网络
1.5-机器翻译
1.6-深度学习与自然语言处理
第2章 开源平台
2.1-监督学习
2.2-语音识别
2.3-基于HMM声学模型
2.4-隐马尔科夫模型
2.5-基于HMM的语音识别声学模型
第3章 深度学习的应用
3.1-光学字符识别
3.2-深度学习与图像识别
3.3-图像识别
3.4-人脸识别
3.5-语音识别
第4章 传统区分性训练以及区分性训练统一准则框架
4.1-以图搜图
4.2-传统区分性训练以及区分性训练统一准则框架
4.3-最大户信息量估计MMLE准则
4.4-最小分类错误MCE准则
4.5-其他一些区分性训练准则
4.6-区分性统一准则
第5章 MVCE准则及其在连续语音识别中的应用
5.1-MWCE准则与其在连续语音中的应用
5.2-MCE准则
5.3-区分性训练准则
5.4-人脸表情识别
第6章 TensorFlow 实战
6.1-主流深度学习框架对比
6.2-TensorFlow
6.3-Caffe
6.4-Theano
6.5-Torch
6.6-Lasagne以及Keras
6.7-MXNet DIGITS CNTK
6.8-DL4J Chainer Leaf




目标1、了解深度学习的概念


目标2、了解深度学习的应用


目标3、熟悉主流框架

亮点一、由浅入深,逐渐熟悉并掌握深度学习历史背景到深入的各个知识点

亮点二、演示与PPT结合,穿插着讲解每个知识点

亮点三、讲解了主流深度学习框架对比,深入理解深度学习的框架TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。





 

* 课程提供者:北风网

老师还为你推荐了以下几门课程