Python 語(yǔ)言深度學(xué)習(xí)培訓(xùn)

 

]
課程將圍繞機(jī)器學(xué)習(xí)原理，使用 Python 語(yǔ)言進(jìn)行實(shí)戰(zhàn)，

終期望學(xué)員熟悉人工神經(jīng)網(wǎng)絡(luò)原理、能動(dòng)手實(shí)現(xiàn)部分核心算法。

掌握常用深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，

并學(xué)會(huì)使用 TensorFlow 和 PyTorch 兩大深度學(xué)習(xí)框架進(jìn)行實(shí)踐。

此外，對(duì)涉及到的模型訓(xùn)練、評(píng)估、推理、部署充分了解，達(dá)到深度學(xué)習(xí)初級(jí)工程師的水平。

1 深度學(xué)習(xí)理論

2 計(jì)算機(jī)視覺(jué)

3 深度學(xué)習(xí)工程

4 深度學(xué)習(xí)框架

5 自然語(yǔ)言處理

6 項(xiàng)目挑戰(zhàn)比賽

階段 1 課程技能準(zhǔn)備

課程須知和先學(xué)內(nèi)容
1
課程內(nèi)容介紹與導(dǎo)學(xué)

深度學(xué)習(xí)綜述和示例

1.機(jī)器學(xué)習(xí)介紹

2.深度學(xué)習(xí)介紹

3.深度學(xué)習(xí)發(fā)展

2
線性回歸實(shí)現(xiàn)與應(yīng)用

1.一元線性回歸

2.平方損失函數(shù)

3.小二乘法及代數(shù)求解

4.線性回歸實(shí)現(xiàn)

5.小二乘法的矩陣推導(dǎo)

1
住房?jī)r(jià)格預(yù)測(cè)

1.數(shù)據(jù)集讀取與劃分

2.模型訓(xùn)練及預(yù)測(cè)

3.模型評(píng)價(jià)

3
邏輯回歸實(shí)現(xiàn)與應(yīng)用

1.線性可分和不可分

2.Sigmoid分布函數(shù)

3.邏輯回歸模型

4.對(duì)數(shù)損失函數(shù)

5.梯度下降法

2
梯度下降法實(shí)現(xiàn)與應(yīng)用

1.小二乘法求解線性回歸參數(shù)

2.梯度下降法求解線性回歸參數(shù)

實(shí)驗(yàn) 4
感知機(jī)和人工神經(jīng)網(wǎng)絡(luò)

1.感知機(jī)的推導(dǎo)過(guò)程

2.隨機(jī)梯度下降法

3.多層感知機(jī)與人工神經(jīng)網(wǎng)絡(luò)

4.反向傳播算法

5.實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)

3
手寫(xiě)字符識(shí)別神經(jīng)網(wǎng)絡(luò)

1.人工神經(jīng)網(wǎng)絡(luò)

2.手寫(xiě)字符識(shí)別

5
TensorFlow 基礎(chǔ)概念語(yǔ)法

1.TensorFlow介紹

2.張量的概念

3.EagerExecution特性

4.TensorFlowAPI概覽

4
TensorFlow 加州房?jī)r(jià)預(yù)測(cè)

1.小二乘法線性回歸

2.TensorFlow基本運(yùn)算

6
TensorFlow 構(gòu)建神經(jīng)網(wǎng)絡(luò)

1.NumPy構(gòu)建神經(jīng)網(wǎng)絡(luò)

2.TensorFlow構(gòu)建神經(jīng)網(wǎng)絡(luò)

3.TensorFlow完成DIGITS分類(lèi)

4.TensorFlow實(shí)現(xiàn)MiniBatch訓(xùn)練

5
TensorFlow 汽車(chē)評(píng)估分類(lèi)

1.TensorFlow構(gòu)建神經(jīng)網(wǎng)絡(luò)

2.張量數(shù)據(jù)處理轉(zhuǎn)換

3.損失函數(shù)，優(yōu)化器

7
TensorFlow 高階 API 使用

1.Keras順序模型

2.Keras函數(shù)模型

3.Keras模型存儲(chǔ)及推理

4.Estimator高階API

6
TensorFlow 時(shí)尚物品分類(lèi)

1.Keras構(gòu)建神經(jīng)網(wǎng)絡(luò)

2.灰度數(shù)據(jù)標(biāo)準(zhǔn)化

3.Flatten,Dropout層

8
PyTorch 基礎(chǔ)概念語(yǔ)法

1.張量類(lèi)型和定義

2.索引、切片、變換

3.張量的內(nèi)部結(jié)構(gòu)

4.自動(dòng)微分Autograd

5.深度學(xué)習(xí)框架對(duì)比

實(shí)驗(yàn) 9
PyTorch 構(gòu)建神經(jīng)網(wǎng)絡(luò)

1.PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò)

2.Sequential容器結(jié)構(gòu)

3.使用GPU加速訓(xùn)練

4.模型保存與推理
7
PyTorch 實(shí)現(xiàn)線性回歸

1.PyTorch原理及使用

2.nnModule類(lèi)實(shí)現(xiàn)線性回歸

卷積神經(jīng)網(wǎng)絡(luò)原理

1.卷積核Kernel

2.卷積步長(zhǎng)Stride

3.邊距擴(kuò)展Padding

4.高維多卷積核過(guò)程

5.卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展史

11
卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建

1.TensorFlow高階API構(gòu)建

2.TensorFlow低階API構(gòu)建

3.PyTorch低階API構(gòu)建

4.PyTorch高階API構(gòu)建

8
構(gòu)建 LeNet5 Estimator

1.TensorFlowEstimator使用

2.LeNet5卷積神經(jīng)網(wǎng)絡(luò)

12
圖像分類(lèi)原理與實(shí)踐

1.數(shù)據(jù)加載器

2.遷移學(xué)習(xí)

3.貓狗識(shí)別

4.卷積神經(jīng)網(wǎng)絡(luò)可視化

9
遷移學(xué)習(xí)完成動(dòng)物分類(lèi)

1.遷移學(xué)習(xí)

2.預(yù)訓(xùn)練模型

3.TensorFlowKeras

13
生成對(duì)抗網(wǎng)絡(luò)原理及構(gòu)建

1.生成對(duì)抗網(wǎng)絡(luò)原理

2.生成對(duì)抗網(wǎng)絡(luò)實(shí)現(xiàn)

3.生成對(duì)抗網(wǎng)絡(luò)改進(jìn)

4.生成對(duì)抗網(wǎng)絡(luò)未來(lái)

10
DCGAN 動(dòng)漫人物圖像生成

1.PyTorch實(shí)踐運(yùn)用

2.DCGAN網(wǎng)絡(luò)搭建

14
自動(dòng)編碼器原理及構(gòu)建

1.自動(dòng)編碼器介紹

2.基礎(chǔ)自動(dòng)編碼器

3.去噪自動(dòng)編碼器

11
卷積自動(dòng)編碼器圖像去噪

1.卷積自動(dòng)編碼器

2.圖像去噪

3.TensorFlowKeras

15
目標(biāo)檢測(cè)原理與實(shí)踐

1.目標(biāo)檢測(cè)方法

2.RCNN家族

3.YOLO和SSD

4.MaskRCNN

5.TensorFlowObjectDetection

12
YOLO 圖像目標(biāo)檢測(cè)應(yīng)用

1.圖像目標(biāo)檢測(cè)

2.YOLO實(shí)時(shí)檢測(cè)方法

16
循環(huán)神經(jīng)網(wǎng)絡(luò)原理

1.序列模型介紹

2.簡(jiǎn)單循環(huán)神經(jīng)網(wǎng)絡(luò)

3.LSTM長(zhǎng)短期記憶模型

4.GRU門(mén)控循環(huán)單元

17
循環(huán)神經(jīng)網(wǎng)絡(luò)構(gòu)建

1.IMDB數(shù)據(jù)集

2.詞嵌入

3.簡(jiǎn)單循環(huán)神經(jīng)網(wǎng)絡(luò)

4.LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)

13
LSTM 預(yù)測(cè)股票價(jià)格

1.LSTM網(wǎng)絡(luò)構(gòu)建

2.股票價(jià)格預(yù)測(cè)

18
文本分類(lèi)原理與實(shí)踐

1.文本分類(lèi)流程

2.中文文本分詞

3.英文文本分詞

4.文本特征提取

5.假新聞分類(lèi)任務(wù)

14
深度學(xué)習(xí)完成假新聞分類(lèi)

1.文本分類(lèi)

2.深度神經(jīng)網(wǎng)絡(luò)

19
自然語(yǔ)言處理框架拓展

1.NaturalLanguageToolkit

2.PyTorchFlair 3.自然語(yǔ)言處理工具

15
BERT 預(yù)訓(xùn)練技術(shù)實(shí)踐應(yīng)用

1.GoogleBERT

2.NLP預(yù)訓(xùn)練技術(shù)

20
神經(jīng)機(jī)器翻譯和對(duì)話系統(tǒng)

1.序列到序列模型

2.神經(jīng)機(jī)器翻譯系統(tǒng)

3.聊天機(jī)器人系統(tǒng)

21
自動(dòng)化深度學(xué)習(xí)綜述

1.自動(dòng)化機(jī)器學(xué)習(xí)概念

2.自動(dòng)化機(jī)器學(xué)習(xí)目標(biāo)

22
自動(dòng)化深度學(xué)習(xí)實(shí)踐

1.AutoKeras介紹

2.圖像分類(lèi)任務(wù)

3.文本分類(lèi)任務(wù)

4.優(yōu)模型可視化

5.AutoML優(yōu)劣分析

16
仙人掌航拍照片分類(lèi)識(shí)別

1.仙人掌航拍照片分類(lèi)

2.AutoKeras實(shí)踐應(yīng)用

23
深度學(xué)習(xí)模型推理和部署

1.TensorFlowServing

2.ONNX開(kāi)放模型格式

17
構(gòu)建圖像分類(lèi)推理服務(wù)

1.預(yù)訓(xùn)練模型

2.TensorFlowKeras

3.FlaskWebAPI

24
深度學(xué)習(xí)云端服務(wù)實(shí)踐

1.深度學(xué)習(xí)計(jì)算平臺(tái)

2.深度學(xué)習(xí)解決方案

18
云服務(wù)識(shí)別增值稅發(fā)票

1.云服務(wù)調(diào)用

2.發(fā)票識(shí)別