深度学习DeepLearning核心技术实战培训班
各企事业单位、高等院校及科研院所:
随着人工智能AI、大数据Big Data、虚拟现实VR、物联网IoT、云计算Cloud Computing、高性能计算HPC等计算机科学技术的发展和应用的普及,越来越多的企业寻求更加强大的深度学习能力。深度学习受到了学术界和工业界的高度关注。目前,微软、腾讯、谷歌、Facebook、百度、阿里等把深度学习作为未来工业和互联网发展的研究重心,中国科学院、清华大学、北京大学等高校和科研院所成立专业研究中心和实验室把深度学习进行科学技术成果转化,推动了深度学习在各行业的应用与发展。
中国管理科学研究院职业资格认证培训中心(http://www.cnzgrz.org)特举办“深度学习DeepLearning核心技术开发与应用培训班”。本次对前沿的深度学习方法及应用进行了全面的讲解,同时进行深入的案例分析,帮助学员掌握和利用深度学习进行具体工作的开展。
本次培训由北京中科软博信息技术研究院、北京中际英才文化传媒有限公司承办。如下;
一、 培训目录
公开课理论及实战
·掌握深度学习运行环境搭建;
·掌握深度学习模型训练和优化技巧;
·深度学习五大模型构建解析;
·上机实战开源平台训练体验;
网络任务训练课
·规定环境、数据、任务实现算法模型;
·实践案例复习、巩固强化深度学习理论;
·24课时视频训练课程;
课后巩固学习成果
·学员微信群高频问题解答;
·免费GPU训练平台使用
二、时间地点:《远程在线培训班正在进行,详情请联系会务组》
2021年04月16日—2021年04月19日 远程在线授课
2021年04月16日—2021年04月19日 北京*机房上课
(第一天全天报到,授课三天,机房上课)
三、培训目标:
1,采用深入浅出的方法,结合实例并配以大量代码练习,重点讲解深度学习框架模型、科学算法、训练过程技巧。
2、针对工作中存在的疑难问题进行分析讲解和专题讨论,有效的提升学员解决复杂问题的能力;
3,掌握深度学习平台Tensorflow训练网络搭建与配置、掌握数据价值的深度挖掘。
4,亲手挑战图像识别、生成人脸、聊天机器人、模拟机器人等实战项目,在实操中完全掌握深度学习核心技能。
5,实践医学领域、遥感图像、石油勘探、智能交通具体实例。
6,根据自己的项目课题,掌握应用深度学习五大框架模型。
四、课程体系:
第一天 深度学习用要点 |
一、深度学习综述 |
1. 深度学习的发展及趋势 2. 深度学习中常见网络结构 3. 深度学习开发环境搭建 4. 实验室环境计算资源配置 |
二、深度神经网络 |
1. 基本概念:损失函数、学习率、初始化函数 2. 梯度下降算法 3. 参数更新过程:前向传播、反向传播 4. Auto encoder decoder 案例实践:鸢尾花种类识别 |
|
三、卷积神经网络CNN |
1. 卷积核、特征图、池化、padding、stride 2. 常见的网络结构LeNet、AlexNet、VGG、Inception、ResNet 3. 图像分类数据集介绍,Mnist、Cifar10、Flowers、ImageNet 案例实践:MNIST手写字符集识别 |
|
四、循环神经网络RNN |
1.循环神经网络计算单元:LSTM、GRU 2.输入门、输出门、遗忘门、隐状态 3.常见循环神经网络结构,BidirectionalRNN、MultiLayerRNN 案例实践:评论信息情感分析 |
|
五、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 案例实践:提高模糊图片分辨率 |
|
六、强化学习DRL |
1.强化学习的理论知识 2.经典模型DQN讲解 3.AlphaGo原理讲解 案例实践:实现一个AlphaGo |
|
七、迁移学习TL |
1.迁移学习的理论概述 2.迁移学习的常见方法 案例实践:迁移学习实例解析 |
|
第二天 深度学习应用方法 |
一、抽象建模 |
1.结构化数据建模方式。 2.图像数据建模方式。 3.时序信号建模方式。 |
二、计算机视觉 |
1.图像分类算法综述 2.物体检测算法综述 3.语义分割算法综述 案例实践:图像中行人、背景分割 |
|
三、模型优化 |
1. Common tricks 2. Tensorboard 3. 数据预处理、清洗与蒸馏 4. 数据增强 案例实践:数据清洗、蒸馏迭代 |
|
第三天 深度学习与应用场景 |
一、深度学习+医学 |
1. 疾病预后分析、生存分析 2. 医学影像:肿瘤位置检测 3. 医学影像:疾病病灶区域分割 4. 专家系统+智能算法 案例实践:胃癌诊疗生存分析 |
二、深度学习+遥感 |
1. 遥感图像农作物种类的识别 2. 遥感图像感兴趣区域检测 3. 遥感图像地块分割 4. 遥感视频指定目标跟踪 案例实践:遥感地块场景分类 |
|
三、深度学习+石油勘探 |
1. 石油测井曲线预测 2. 石油颗粒大小、丰度检测 3. 岩石颗粒分割 案例实践:岩石颗粒分割 |
|
四、深度学习+交通 |
1. 道路拥堵预测 2. 公交车运行时间预测 3. 出租车路径规划 案例实践:公交车到站时间预测 |