三个月教你从零入门人工智能-深度学习精华实践课程


三个月教你从零入门人工智能-深度学习精华实践课程


优质课程,只为有追求的你,态度不认真者,请勿购买,买了也是浪费

有追求的速度购买,买到学到就是赚到!

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。

博客专栏:https://www.cnblogs.com/charlotte77/

 

程大纲:

第一章: 什么是人工智能

1、人工智能背景介绍

2、前期环境准备

 

第二章: 深度学习入门基础

1、深度学习环境准备                             

2、Tensorflow快速入门一  ——基本概念和框架

3、Tensorflow快速入门二  ——实战演练和模型训练

4、Tensorflow快速入门三  ——技巧总结

5、深度学习数学知识一览表

6、作业:实例:用自己的数据训练一个二分类模型

7、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 

1、什么是多层感知机

2、激活函数的原理、类别与实现

3、 损失函数的原理、类别与实现

4、梯度下降方法(一)

5、梯度下降方法 (二)

6、学习率如何设定

7、正则化的方法(一)

8、正则化的方法(二)

9、实例:识别花的种类

10、作业:改变不同的参数,提高识别花种类的准确率

11、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

1、前向传播的原理

2、前向传播的代码实现

3、反向传播的原理

4、反向传播的代码实现

5、实例:自己手写一个完整的BP

6、作业:写一个Autoencoder   

7、作业讲解:如何写一个Autoencoder  

 

 

 

 

 

 

第五章: 自编码Autocoder的原理及应用

1、什么是Autoencoder

2、Autoencoder的原理与实现

3、Autoencoder与PCA的区别

4、Autoencoder的变种(一)

5、Autoencoder的变种(二)

6、实例:Autoencoder与聚类结合在预测用户偏好中的应用

7、作业:运用Autoencoder对海量数据进行降维

8、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

1、卷积神经网络的背景与原理

2、卷积神经网络的代码实现(一)

3、卷积神经网络的代码实现(二)

4、Le-Net5的网络结构及实现

5、AlexNet的网络结构及实现

6、Vgg的网络结构及实现

7、GoogLeNet的网络结构及实现 

8、ResNet的网络结构及实现 

9、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: 目标检测算法的原理及应用

1、目标检测算法的简介和种类

2、R-CNN相关算法的原理及实现(一)

3、R-CNN相关算法的原理及实现(二)

4、YOLO相关算法的原理及实现(一)

5、YOLO相关算法的原理及实现(二)

6、SSD相关算法的原理及实现 (一)

7、SSD相关算法的原理及实现 (二)

 

第八章: 迁移学习

1、迁移学习的简介

2、迁移学习的应用

3、迁移学习的方法

4、实例:常见的迁移学习案例分享 

 

第九章: 循环神经网络RNN

1、循环神经网络RNN的简介与原理详解

2、循环神经网络RNN的代码实现

3、实例:用RNN来做情感分析

 

第十章: 自然语言处理

1、 LSTM的简介与原理详解 

2、LSTM的代码实现

3、实例:用LSTM实现一个简单的聊天机器人

 

第十一章: 无监督学习:对抗网络GAN

1、GAN的背景与入门应用介绍

2、GAN的数学推导

3、GAN的变种及应用

4、实例:用GAN自动生成二次元萌妹子

 

第十二章: 深度学习的高性能计算

1、单机单卡的实现过程

2、 单机多卡的实现过程

3、多机单卡的实现过程与部署

4、多级多卡的实现过程与部署

5、实例: 分布式训练实例:基于docker的分布式训练框架的搭建

 

 第十三章:实战项目演练

1、实例:用户分群与偏好预测经典案例

2、实例:自动创作古诗词

3、实例:自动创造音乐

 

相关资源

发表评论

点 击 提 交