課程簡介
深度學習算法原理與實踐
目標收益
培訓對象
課程大綱
|
第一天 上午 概述 |
1.人工智能應用發(fā)展概述 2.python基礎學習 3.科學計算包numpy學習 4.繪圖工具包matplotlib學習 |
| 下午 |
1.深度學習發(fā)展以及大師介紹 2.神經網絡基本原理 3.單層感知器程序 4.線性神經網絡 5.激活函數(shù)，損失函數(shù)和梯度下降法 6.BP神經網絡介紹 7.BP神經網絡解決異或問題 8.sklearn-BP神經網絡解決手寫數(shù)字識別 9.BP網絡論文講解 |
|
第二天 上午 Tensorflow |
1.Tensorflow安裝 2.Tensorlfow基礎知識：圖，變量，fetch，feed 3.Tensorflow線性回歸 4.Tensorflow非線性回歸 4.Mnist數(shù)據(jù)集合Softmax講解 5.使用BP神經網絡搭建手寫數(shù)字識別 6.交叉熵(cross-entropy)講解和使用 |
| 下午 |
1.過擬合,正則化,Dropout 2.改進手寫數(shù)字識別網絡 3.卷積神經網絡CNN的介紹 4.使用CNN解決手寫數(shù)字識別 5.長短時記憶網絡LSTM介紹 6.LSTM的使用 7.介紹Google圖像識別模型Inception-v3 8.使用Inception-v3做圖像識別 |
|
第一天 上午 概述 1.人工智能應用發(fā)展概述 2.python基礎學習 3.科學計算包numpy學習 4.繪圖工具包matplotlib學習 |
|
下午 1.深度學習發(fā)展以及大師介紹 2.神經網絡基本原理 3.單層感知器程序 4.線性神經網絡 5.激活函數(shù)，損失函數(shù)和梯度下降法 6.BP神經網絡介紹 7.BP神經網絡解決異或問題 8.sklearn-BP神經網絡解決手寫數(shù)字識別 9.BP網絡論文講解 |
|
第二天 上午 Tensorflow 1.Tensorflow安裝 2.Tensorlfow基礎知識：圖，變量，fetch，feed 3.Tensorflow線性回歸 4.Tensorflow非線性回歸 4.Mnist數(shù)據(jù)集合Softmax講解 5.使用BP神經網絡搭建手寫數(shù)字識別 6.交叉熵(cross-entropy)講解和使用 |
|
下午 1.過擬合,正則化,Dropout 2.改進手寫數(shù)字識別網絡 3.卷積神經網絡CNN的介紹 4.使用CNN解決手寫數(shù)字識別 5.長短時記憶網絡LSTM介紹 6.LSTM的使用 7.介紹Google圖像識別模型Inception-v3 8.使用Inception-v3做圖像識別 |
近期公開課推薦
