课程名称:
三个月教你从零入门人工智能!| 深度学习精华实践课程
课程须知:
本课程为《三个月教你从零入门人工智能!!| 深度学习精华实践课程》的免费课程
课程特色:
规划全面:涵盖目前主流的深度学习领域,包括图像识别,图像检测,自然语言处理,GAN,分布式训练框架等等。掌握每一项技能都能在从事该领域迈进一步。
重点突出:摒弃繁冗的数学证明,一切从实际出发,突出重点,短时间内掌握重点知识。
实战演练:课程包含多个实际案例,并结合实际项目经验教你如何在企业中做深度学习的项目
老师介绍:
胡晓曼老师(Charlotte),高级算法工程师 ,博客专家;
擅长用通俗易懂的方式讲解深度学习和机器学习算法,熟悉Tensorflow,PaddlePaddle等深度学习框架,负责过多个机器学习落地项目,如垃圾评论自动过滤,用户分级精准营销,分布式深度学习平台搭建等,都取了的不错的效果。
课程大纲:
第一章: 什么是人工智能
-
人工智能背景介绍
-
前期环境准备
第二章: 深度学习入门基础
-
深度学习环境准备
-
Tensorflow快速入门一 ——基本概念和框架
-
Tensorflow快速入门二 ——实战演练和模型训练
-
Tensorflow快速入门三 ——技巧总结
-
深度学习数学知识一览表
-
作业:实例:用自己的数据训练一个二分类模型
作业讲解:如何制作自己的数据集
第三章: 传统神经网络与参数的理解
-
什么是多层感知机
-
激活函数的原理、类别与实现
-
损失函数的原理、类别与实现
-
梯度下降方法(一)
-
梯度下降方法 (二)
-
学习率如何设定
-
正则化的方法(一)
-
正则化的方法(二)
-
实例:识别花的种类
-
作业:改变不同的参数,提高识别花种类的准确率
作业讲解:不同参数的改变对于准确率的变化原理
第四章: 前向传播与反向传播
-
前向传播的原理
-
前向传播的代码实现
-
反向传播的原理
-
反向传播的代码实现
-
实例:自己手写一个完整的BP
-
作业:写一个Autoencoder
作业讲解:如何写一个Autoencoder
第五章:自编码Autocoder的原理及应用
-
什么是Autoencoder
-
Autoencoder的原理与实现
-
Autoencoder与PCA的区别
-
Autoencoder的变种(一)
-
Autoencoder的变种(二)
-
实例:Autoencoder与聚类结合在预测用户偏好中的应用
-
作业:运用Autoencoder对海量数据进行降维
作业讲解:如何高效的运用Autoencoder降维
第六章: 经典卷积神经网络及图像分类
-
LeNet的网络结构及实现
-
AlexNet的网络结构及实现
-
Vgg的网络结构及实现
-
GoogLeNet的网络结构及实现
-
ResNet的网络结构及实现
实例:用经典卷积神经网络对cifar-10数据进行图像分类
第七章: 目标检测
-
传统的目标检测方法
-
初代算法: Region CNN
-
升级: SPP Net, Fast RCNN, Faster RCNN
-
深度学习另辟蹊径: YoLo 和SSD
实例: 自动驾驶的核心:实时目标检测
第八章: 迁移学习
-
理论分析
-
迁移模型&原始训练模型
-
如何设计新的的网络
实例:表情识别/人脸识别/动物识别
第九章: 循环神经网络RNN
-
RNN 原理详解
-
情感分析项目介绍
实例:情感分析
第十章: 自然语言处理
-
处理之前:speech to text
-
词语表达:词向量与word2vec
-
语句生成LSTM
实例:教你实现一个简单的聊天机器人
第十一章: 深度卷积神经的重要应用
-
图片问答
-
图像模式转换
-
图像高清化
-
围棋程序, Alpha go
-
自动游戏机器人,DeepMind Atari
实例: 图片艺术风格转化
第十二章: 无监督学习:对抗网络GAN
-
传统无监督学习 Autoencode,K Means,Sparse Coding
-
RBM 限制博斯曼机,深度学习的另一支
-
生成对抗网络 GAN
实例: 机器生成图片,以假乱真
第十三章: 高性能计算
-
单价单卡的实现过程
-
单机多卡的实现过程
-
多机单卡的实现及部署
-
多机多卡的实现及部署
实例:分布式训练实例:基于docker的分布式训练框架搭建
友情提示
1、如果加入课程后下次登录提示课程需要重新加入,一般是因为你把登录账户记成你绑定的手机或者邮箱帐号而混淆了。
3、加入学习后请添加客服微信:tianshancourses(请注明:公司+职位+姓名),邀请你加入微信课程群