<wbr id="gi2s4"><strong id="gi2s4"></strong></wbr>
<wbr id="gi2s4"><label id="gi2s4"></label></wbr>
<wbr id="gi2s4"><strong id="gi2s4"></strong></wbr>
<button id="gi2s4"></button>
<wbr id="gi2s4"></wbr>
<button id="gi2s4"><strong id="gi2s4"></strong></button>
<button id="gi2s4"></button>
<button id="gi2s4"></button>
<div id="gi2s4"><s id="gi2s4"></s></div>
<wbr id="gi2s4"><label id="gi2s4"></label></wbr><div id="gi2s4"><s id="gi2s4"></s></div>
當前位置: 首頁(yè) > 內訓課程 > 課程內容
廣告1
相關(guān)熱門(mén)公開(kāi)課程更多 》
相關(guān)熱門(mén)內訓課程更多 》
相關(guān)最新下載資料

人工智能深度學(xué)習培訓大綱

課程編號：22052

課程價(jià)格：￥21200/天

課程時(shí)長(cháng)：3 天

課程人氣：1243

行業(yè)類(lèi)別：不限行業(yè)     

專(zhuān)業(yè)類(lèi)別：人工智能 

授課講師：趙衛東

  • 課程說(shuō)明
  • 講師介紹
  • 選擇同類(lèi)課
【培訓對象】
企業(yè)中高層管理人員

【培訓收益】
任正非說(shuō)：如果我們不想死，就要向最優(yōu)秀的人和組織學(xué)習，否則怎么能先進(jìn)呢？該項目可以零距離接觸，感悟其優(yōu)秀文化，學(xué)習其先進(jìn)的管理之道——他人之石可以攻玉。

 

時(shí)間安排

課程內容

第

一

天

上午

 

第一章：機器學(xué)習基礎

1.1、線(xiàn)性代數

1）矩陣運算   2）向量運算    3）SVD    4）PCA）

1.2、概率信息論

1）概論分布        2）期望、方差、協(xié)方差   

3）貝葉斯          4）結構概論模型）

1.3、數值優(yōu)化

 

 

第二章：深度學(xué)習基礎

2.1、深度學(xué)習介紹

1）發(fā)展歷史   2）主要應用

2.2、感知器     2.3、人工神經(jīng)網(wǎng)絡(luò )     2.4、前饋神經(jīng)網(wǎng)絡(luò )

2.5、BP算法     2.6、Hessian矩陣

 

下午

第三章：深度學(xué)習進(jìn)階——卷積神經(jīng)網(wǎng)絡(luò )

3.1、CNN卷積神經(jīng)網(wǎng)絡(luò )

1）卷積層（一維卷積、二維卷積）  

2）池化層（均值池化、最大池化）

3）全連接層    4）激活函數層   5）Softmax層

3.2、CNN卷積神經(jīng)網(wǎng)絡(luò )改進(jìn)

1）R-CNN    2）Fast-R-CNN    3）Faster-R-CNN與圖像分類(lèi)實(shí)戰

3.3、深度學(xué)習的模型訓練技巧

3.4、梯度下降的優(yōu)化方法詳解

第

二

天

上午

第四章：深度學(xué)習進(jìn)階——循環(huán)神經(jīng)網(wǎng)絡(luò )

4.1、RNN循環(huán)神經(jīng)網(wǎng)絡(luò )

1）梯度計算     2）BPTT

4.2、RNN循環(huán)神經(jīng)網(wǎng)絡(luò )改進(jìn)

1）LSTM     2）GRU     3）Bi-RNN     4）Attention based RNN

 

 

第五章：深度學(xué)習軟件

5.1、各個(gè)深度學(xué)習相關(guān)軟件的對比與使用介紹

5.2、Tensorflow重點(diǎn)知識提要

5.3、Tensorflow實(shí)現一個(gè)MNIST手寫(xiě)數據集

 

下午

第六章：應用案例（一）

6.1、CNN應用案例

1）CNN實(shí)例應用1：實(shí)現人臉檢測與人臉特征點(diǎn)定位

2）CNN實(shí)例應用2：SSD/YOLO實(shí)現目標檢測

3）CNN實(shí)例應用3：Tensorflow實(shí)現圖像分類(lèi)與分割

4）CNN實(shí)例應用4：利用卷積神經(jīng)網(wǎng)絡(luò )做圖像風(fēng)格結合

6.2、RNN實(shí)際應用

1）RNN實(shí)例應用1：Seq2Seq的原理與實(shí)現

2）RNN實(shí)例應用2：Tensorflow實(shí)現遞歸神經(jīng)網(wǎng)絡(luò )進(jìn)行序列預測 

第

三

天

上午

第七章：強化學(xué)習

7.1、強化學(xué)習的理論知識

7.2、經(jīng)典模型DQN講解

7.3、AlphaGo原理講解

 

 

第八章：對抗性生成網(wǎng)絡(luò )

8.1、GAN的理論知識

8.2、GAN經(jīng)典模型1：GAN，CGAN，LAPGAN，DCGAN，

8.3、GAN經(jīng)典模型2：INFOGAN，WGAN，S2-GAN

 

下午

第九章：應用案例(二)

9.1、強化學(xué)習應用案例

1）RL實(shí)際應用1：實(shí)現一個(gè)AlphaGo

9.2、GAN應用案例

1）GAN實(shí)際應用1：DCGAN提高模糊圖片分辨率

2）GAN實(shí)際應用2：InfoGAN做特定的樣本生成
咨詢(xún)電話(huà)：
0571-86155444
咨詢(xún)熱線(xiàn)：
  • 微信：13857108608
聯(lián)系我們
蜜芽亚洲av无码精品色午夜_久久免费国产AⅤ网_一本大道香蕉高清久久_精品久久久久久亚洲
<wbr id="gi2s4"><strong id="gi2s4"></strong></wbr>
<wbr id="gi2s4"><label id="gi2s4"></label></wbr>
<wbr id="gi2s4"><strong id="gi2s4"></strong></wbr>
<button id="gi2s4"></button>
<wbr id="gi2s4"></wbr>
<button id="gi2s4"><strong id="gi2s4"></strong></button>
<button id="gi2s4"></button>
<button id="gi2s4"></button>
<div id="gi2s4"><s id="gi2s4"></s></div>
<wbr id="gi2s4"><label id="gi2s4"></label></wbr><div id="gi2s4"><s id="gi2s4"></s></div>