课程目标：
通过学习，了解机器学习、深度学习的一般概念；了解机器学习、深度学习的历史、基本理论，典型模型，常用算法；了解机器学习及深度学习的开发流程，涉及到到的工具，平台，调试方法等，了解深度学习的基本框架结构，caffe、tensorflow，keras等。并了解一些前沿技术发展变化趋势。
课程收益：
1. 掌握深度学习运行环境搭建；
2. 掌握深度模型训练和优化流程；
3. 熟知深度学习五大模型结构；
4. 在开源平台训练进行实战体验；
5. 掌握算法移植到定制芯片的整个流程。
授课方式
讲师讲解、互动答疑、上机实践
实操部分，由教师演示，学员亲自上手操作
课程大纲：
|
主题
|
内容
|
|
第一部分
|
深度学习Deep Learning基础和基本思想
|
1、 人工智能概述、计算智能、类脑智能
2、 机器学习概述、记忆学习、归纳学习、统计学习
3、 深度学习的前生今世、发展趋势
4、 人工神经网络、前馈神经网络、BP算法 、Hessian矩阵、结构性特征表示
|
|
第二部分
|
机器学习概要介绍
|
1. 分类分析算法介绍
a) 贝叶斯概率
b) 决策树算法族
c) 随机森林
d) 支持向量机
2. 回归算法介绍
a) 多元线性回归
b) 逻辑回归
3. 聚类分析算法介绍
a) K-means聚类
b) 层次聚类
4． 上机实战
|
|
第三部分
|
深度学习介绍
|
1. 神经网络目的
2. 神经网络的应用场景
3. 神经网络算法介绍
a) 感知机
b) 反向传播算法
4. 深度学习算法介绍
a) 随机梯度下降算法
b) 过拟合与欠拟合
c) 卷积神经网络
d) 自动编码器
e) 稀疏编码
f) 限制波尔兹曼机
g) 循环神经网络以及LSTM
5. 应用介绍
a) 人脸识别
b) 风格转换
c) 目标检测
6. 常见模型结构介绍
a) Alexnet
b) VGG
c) Resnet
d) GoogleNet
e) SqueezeNet
f) FCN
g) 上机实战
|
|
第四部分
|
深度学习Deep Learning基本框架结构
|
1. Caffe介绍
a) 软件架构
b) 安装以及使用方法
2. Tensorflow介绍
a) 软件架构
b) 安装以及使用方法
3. Keras介绍
a) 软件架构
b) 安装以及使用方法
4. 虚拟机安装以及使用
|
|
第五部分
|
用TensorFlow玩转深度学习
|
1. TensorFlow框架架构
2. TensorFlow Api概览
3. Tensorflow上手实操简单练习
4. 亲自动手使用TensorFlow逐行写出一个手写识别网络
|
|
第六部分
|
前沿技术介绍
|
5. 强化学习
a) 强化学习的理论知识
b) 经典模型DQN讲解
c) AlphaGo原理讲解
6. 对抗性生成网络
d) GAN的理论知识
e) GAN经典模型CGAN，LAPGAN，DCGAN
f) GAN实际应用
7. 迁移学习
g) 迁移学习的理论概述
h) 迁移学习的常见方法
i) 上机实战
|
|
第七部分
|
算法移植介绍及讨论
|
1． 算法单元介绍
a) 卷积
b) Pooling
c) 激活函数
d) 数据结构
2． 移植问题讨论
|
以上课程可以根据客户实际情况进行灵活调整。
如果您想学习本课程，请
预约报名
如果没找到合适的课程或有特殊培训需求，请
订制培训
除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916
技术服务需求表下载请点击
服务优势：
丰富专家资源，精准匹配相关行业，相关项目技术精英，面向用户实际需求，针对性培训或咨询，互动式交流，案例教学，精品小班，实际工程项目经验分享，快捷高效，节省时间与金钱，少走弯路与错路。
专家力量：
中国科学院相关研究所高级研究人员
西门子，TI,vmware，MSC,Ansys，MDI，Mentor, candence,Altium,Atmel 、Freescale,达索，华为等
大型公司高级工程师，项目经理，技术支持专家
中科信软培训中心，资深专家或讲师
大多名牌大学，硕士以上学历，相关学历背景专业，理论素养高
多年实际项目实践，大型复杂项目实战案例分享，热情，乐于技术分享
针对客户实际需要，真实案例演示，互动式沟通，学有所值
