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

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

299.00 499.00 特价仅剩6天23小时27分钟 132 人学习

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

【温馨提示:1. 你可以在PC端浏览器或者微信收藏该页面,以方便你快速找到这个课程;2. 课程相关资料&QQ会员群可在课程PC端公告查看下载;3.购买课程后,点(课时)列表即可观看视频 】


 本课程免费试听课程:https://edu.hellobi.com/course/255


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/


上线时间

2018年5月28日 (更新完毕)

 

学习方式

录播课程,开课即学

在线反复观看,有效期2年

上课方式:录播学习+VIP会员群+独享问答中心+在线答疑 +2年反复观看

 

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

    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

    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   

    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

    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. LeNet的网络结构及实现

  2. AlexNet的网络结构及实现

  3. Vgg的网络结构及实现

  4. GoogLeNet的网络结构及实现

  5. 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

  1. 传统的目标检测方法

  2. 初代算法: Region CNN

  3. 升级: SPP Net, Fast RCNN, Faster RCNN

  4. 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

  1. 理论分析

  2. 迁移模型&原始训练模型

  3. 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

  1. RNN 原理详解    

  2. 情感分析项目介绍

实例:情感分析


第十章: 自然语言处理

  1. 处理之前:speech to text    

  2. 词语表达:词向量与word2vec

  3. 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

  1. 图片问答

  2. 图像模式转换

  3. 图像高清化

  4. 围棋程序, Alpha go

  5. 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

  1. 传统无监督学习 Autoencode,K Means,Sparse Coding

  2. RBM 限制博斯曼机,深度学习的另一支 

  3. 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

  1. 单价单卡的实现过程

  2. 单机多卡的实现过程

  3. 多机单卡的实现及部署

  4. 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、PC端如果发现浏览器无法观看课程,建议使用谷歌浏览器观看;移动端建议直接微信打开课程页面。

2、如果购买后下次登录提示课程需要重新购买,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、【在微信购买课程的用户注意】请微信收藏课程页面或者关注微信公众号:天善智能(点“我的”即可查看你已购买的课程),已方便下次学习。

4、课程相关资料&QQ会员群可在课程PC端公告查看下载。

5、加入学习后请添加客服微信:tianshansoft08(请注明:课程名称),邀请你加入微信VIP群与老师&同学交流讨论。

1111.jpg




改版

反馈