課程簡(jiǎn)介
課程強(qiáng)調(diào)興趣培養(yǎng)與動(dòng)手操作；內(nèi)容以目前比較前沿的技術(shù)以及豐富的案例為主，以理論講解為根。分享內(nèi)容為介紹當(dāng)下比較流行的技術(shù)架構(gòu)：比如聯(lián)邦學(xué)習(xí)、蒸餾學(xué)習(xí)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的模型理論和代碼實(shí)踐、對(duì)抗網(wǎng)絡(luò)等。
目標(biāo)收益
了解當(dāng)下的技術(shù)，以及自然語(yǔ)言處理、機(jī)器視覺(jué)中的各個(gè)基礎(chǔ)算法以及應(yīng)用場(chǎng)景。
培訓(xùn)對(duì)象
產(chǎn)品經(jīng)理、技術(shù)管理人員、、業(yè)務(wù)運(yùn)營(yíng)支撐人員，業(yè)務(wù)規(guī)劃與設(shè)計(jì)人員，中高級(jí)工程師，系統(tǒng)維護(hù)工程師、數(shù)據(jù)分析師，數(shù)據(jù)統(tǒng)計(jì)和分析人員。
課程大綱
| 前沿技術(shù)介紹 |
?前沿技術(shù)： 機(jī)器學(xué)習(xí) 蒸餾學(xué)習(xí) 強(qiáng)化學(xué)習(xí) 自然語(yǔ)言處理 圖像識(shí)別 對(duì)抗網(wǎng)絡(luò) ?深度學(xué)習(xí)框架介紹: Keras Tensorflow Pytorch Mxnet Caffe |
| 卷積神經(jīng)網(wǎng)絡(luò)CNN |
神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，濾波器，卷積 池化，激活函數(shù)，反向傳播 目標(biāo)分類(lèi)與識(shí)別、目標(biāo)檢測(cè)與追蹤 經(jīng)典AlexNet、VGG、GoogleLeNet Inception ResNet、DenseNet Faster-RCNN YOLO ?案例介紹: 口罩是否佩戴識(shí)別 |
| 循環(huán)神經(jīng)網(wǎng)絡(luò)RNN |
RNN基本原理 LSTM、GRU Attention 編碼器與解碼器結(jié)構(gòu) Seq2seq模型 Transformer Bert ?案例介紹: 詩(shī)生成 翻譯系統(tǒng) 看圖說(shuō)話(huà) |
| 生成對(duì)抗網(wǎng)絡(luò)GAN |
生成模型：貝葉斯、HMM到深度生成模型 GAN對(duì)抗生成神經(jīng)網(wǎng)絡(luò) DCGAN Conditional GAN ?案例介紹: 如何使用Gan生成頭像 |
|
前沿技術(shù)介紹 ?前沿技術(shù)： 機(jī)器學(xué)習(xí) 蒸餾學(xué)習(xí) 強(qiáng)化學(xué)習(xí) 自然語(yǔ)言處理 圖像識(shí)別 對(duì)抗網(wǎng)絡(luò) ?深度學(xué)習(xí)框架介紹: Keras Tensorflow Pytorch Mxnet Caffe |
|
卷積神經(jīng)網(wǎng)絡(luò)CNN 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，濾波器，卷積 池化，激活函數(shù)，反向傳播 目標(biāo)分類(lèi)與識(shí)別、目標(biāo)檢測(cè)與追蹤 經(jīng)典AlexNet、VGG、GoogleLeNet Inception ResNet、DenseNet Faster-RCNN YOLO ?案例介紹: 口罩是否佩戴識(shí)別 |
|
循環(huán)神經(jīng)網(wǎng)絡(luò)RNN RNN基本原理 LSTM、GRU Attention 編碼器與解碼器結(jié)構(gòu) Seq2seq模型 Transformer Bert ?案例介紹: 詩(shī)生成 翻譯系統(tǒng) 看圖說(shuō)話(huà) |
|
生成對(duì)抗網(wǎng)絡(luò)GAN 生成模型：貝葉斯、HMM到深度生成模型 GAN對(duì)抗生成神經(jīng)網(wǎng)絡(luò) DCGAN Conditional GAN ?案例介紹: 如何使用Gan生成頭像 |
近期公開(kāi)課推薦
