課程簡介
課程強調(diào)興趣培養(yǎng)與動手操作；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)容為介紹當下比較流行的技術(shù)架構(gòu)：比如聯(lián)邦學(xué)習、蒸餾學(xué)習、機器學(xué)習、深度學(xué)習的模型理論和代碼實踐、對抗網(wǎng)絡(luò)等。
目標收益
了解當下的技術(shù)，以及自然語言處理、機器視覺中的各個基礎(chǔ)算法以及應(yīng)用場景。
培訓(xùn)對象
產(chǎn)品經(jīng)理、技術(shù)管理人員、、業(yè)務(wù)運營支撐人員，業(yè)務(wù)規(guī)劃與設(shè)計人員，中高級工程師，系統(tǒng)維護工程師、數(shù)據(jù)分析師，數(shù)據(jù)統(tǒng)計和分析人員。
課程大綱
| 前沿技術(shù)介紹 |
?前沿技術(shù)： 機器學(xué)習 蒸餾學(xué)習 強化學(xué)習 自然語言處理 圖像識別 對抗網(wǎng)絡(luò) ?深度學(xué)習框架介紹: 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 目標分類與識別、目標檢測與追蹤 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: 詩生成 翻譯系統(tǒng) 看圖說話 |
| 生成對抗網(wǎng)絡(luò)GAN |
生成模型：貝葉斯、HMM到深度生成模型 GAN對抗生成神經(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)： 機器學(xué)習 蒸餾學(xué)習 強化學(xué)習 自然語言處理 圖像識別 對抗網(wǎng)絡(luò) ?深度學(xué)習框架介紹: 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 目標分類與識別、目標檢測與追蹤 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: 詩生成 翻譯系統(tǒng) 看圖說話 |
|
生成對抗網(wǎng)絡(luò)GAN 生成模型：貝葉斯、HMM到深度生成模型 GAN對抗生成神經(jīng)網(wǎng)絡(luò) DCGAN Conditional GAN ?案例介紹: 如何使用Gan生成頭像 |
近期公開課推薦
