課程

• 深度學(xué)習(xí)原理及項(xiàng)目實(shí)戰(zhàn)

  眾所周知，人工智能是高級(jí)計(jì)算智能最寬泛的概念，機(jī)器學(xué)習(xí)是研究人工智能的一個(gè)工具，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集，是目前研究領(lǐng)域卓有成效的學(xué)習(xí)方法。深度學(xué)習(xí)的框架有很多，而TenforFlow將神經(jīng)網(wǎng)絡(luò)、算法這些平時(shí)停留在理論層面的知識(shí)，組織成一個(gè)平臺(tái)框架，集合了神經(jīng)網(wǎng)絡(luò)的各個(gè)算法函數(shù)組成一個(gè)工具箱，讓廣大工程師可以專心建造自己的目標(biāo)領(lǐng)域的“輪子”，而且TenforFlow是基于Python語(yǔ)言的，極易上手，這些優(yōu)勢(shì)迅速吸引了全世界的工程師。

  暫無(wú)課程排期
  架構(gòu)師

• TensorFlow的應(yīng)用和實(shí)戰(zhàn)

  眾所周知，人工智能是高級(jí)計(jì)算智能最寬泛的概念，機(jī)器學(xué)習(xí)是研究人工智能的一個(gè)工具，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集，是目前研究領(lǐng)域卓有成效的學(xué)習(xí)方法。深度學(xué)習(xí)的框架有很多，而TenforFlow將神經(jīng)網(wǎng)絡(luò)、算法這些平時(shí)停留在理論層面的知識(shí)，組織成一個(gè)平臺(tái)框架，集合了神經(jīng)網(wǎng)絡(luò)的各個(gè)算法函數(shù)組成一個(gè)工具箱，讓廣大工程師可以專心建造自己的目標(biāo)領(lǐng)域的“輪子”，而且TenforFlow是基于Python語(yǔ)言的，極易上手，這些優(yōu)勢(shì)迅速吸引了全世界的工程師。
  當(dāng)以統(tǒng)計(jì)方法為核心的機(jī)器學(xué)習(xí)方法成為主流后，我們需要的領(lǐng)域知識(shí)就相對(duì)少了。重要的是做特征工程（feature engineering），然后調(diào)一些參數(shù)，根據(jù)一些領(lǐng)域的經(jīng)驗(yàn)來(lái)不斷提取特征，特征的好壞往往就直接決定了模型的好壞。這種方法的一大缺點(diǎn)是，對(duì)文字等抽象領(lǐng)域，特征還相對(duì)容易提取，而對(duì)語(yǔ)音這種一維時(shí)域信號(hào)和圖像這種二維空域信號(hào)等領(lǐng)域，提取特征就相對(duì)困難。
  深度學(xué)習(xí)的革命性在于，它不需要我們過(guò)多地提取特征，在神經(jīng)網(wǎng)絡(luò)的每一層中，計(jì)算機(jī)都可以自動(dòng)學(xué)習(xí)出特征。為了實(shí)現(xiàn)深度學(xué)習(xí)中運(yùn)用的神經(jīng)網(wǎng)絡(luò)，TensorFlow這樣的深度學(xué)習(xí)開(kāi)源工具就應(yīng)運(yùn)而生。我們可以使用它來(lái)搭建自己的神經(jīng)網(wǎng)絡(luò)。這就有點(diǎn)兒類似于PHP開(kāi)發(fā)當(dāng)中的CodeIgniter框架，Java開(kāi)發(fā)當(dāng)中的SSH三大框架，Python開(kāi)發(fā)當(dāng)中的Tornado、Django框架，C++當(dāng)中的MFC、ACE框架?？蚣艿闹饕康木褪翘峁┮粋€(gè)工具箱，使開(kāi)發(fā)時(shí)能夠簡(jiǎn)化代碼，呈現(xiàn)出來(lái)的模型盡可能簡(jiǎn)潔易懂。

  暫無(wú)課程排期
  架構(gòu)師

• 人工智能圖像識(shí)別課程

  人工智能圖像識(shí)別課程

  暫無(wú)課程排期
  架構(gòu)師

• 搜索引擎技術(shù)及其應(yīng)用

  搜索引擎技術(shù)及其應(yīng)用

  暫無(wú)課程排期
  架構(gòu)師

• 從零開(kāi)始搭建智能推薦體系

  從零開(kāi)始搭建智能推薦體系

  暫無(wú)課程排期
  架構(gòu)師

• 如何從零開(kāi)始訓(xùn)練一個(gè)聊天機(jī)器人

  如何從零開(kāi)始訓(xùn)練一個(gè)聊天機(jī)器人

  暫無(wú)課程排期
  架構(gòu)師

大會(huì)議題