深度學(xué)習(xí)Tensorflow培訓(xùn)

深度學(xué)習(xí)及CNN

1. 深度學(xué)習(xí)簡介

2. 談?wù)凜NN

3. 正向傳播與反向求導(dǎo)及練習(xí)

4. CNN模型的推導(dǎo)與實現(xiàn)

5. CNN應(yīng)用：物體分類

6. CNN 常見問題與總結(jié)

RNN和LSTM

7. RNN

8. RNN的反向求導(dǎo)及練習(xí)

9. RNN模型的推導(dǎo)與實現(xiàn)

10. RNN應(yīng)用：個性化電影推薦

11. RNN常見問題與總結(jié)

12. LSTM

13. LSTM模型的推導(dǎo)與實現(xiàn)

14. LSTM的反向求導(dǎo)及練習(xí)

15. LSTM應(yīng)用：文本識別

16. LSTM常見問題總結(jié)

DNN

17. DNN

18. DNN模型的推導(dǎo)與實現(xiàn)

19. DNN的反向求導(dǎo)及練習(xí)

20. DNN應(yīng)用：CTR預(yù)估

21. DNN常見問題總結(jié)

垂直應(yīng)用領(lǐng)域

22. 概述

23. 目標檢測：ObjectDetection

24. 文本相關(guān)（NLP）：Word2Vec、CBOW、DSSM

25. 聲紋識別：DNN

26. 文字識別（OCR）：VGGNet、CNN

深度學(xué)習(xí)框架及Tensorflow

27. 業(yè)界主流深度學(xué)習(xí)框架

Tensorflow、PyTorch、Paddle、Oneflow

28. TensorFlow和其他深度學(xué)習(xí)框架的對比

29. Tensorflow 特性

30. Tensorflow 下載及安裝

Tensorflow

31. 架構(gòu)原理

32. Tensorflow基本使用

33. TensorFlow實現(xiàn)多層感知機

34. TensorFlow實現(xiàn)進階的卷積網(wǎng)絡(luò)

35. TensorFlow實現(xiàn)經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)

36. TensorFlow實現(xiàn)ResNet

模型訓(xùn)練

37. 模型訓(xùn)練技巧與方法

1）數(shù)據(jù)樣本處理 2）調(diào)參 3）模型調(diào)優(yōu)

38. 梯度下降優(yōu)化方法

39. Tensorflow 實現(xiàn)循環(huán)神經(jīng)網(wǎng)絡(luò)及Word2Vec

1）Tensorflow 實現(xiàn)Word2Vec 2）Tensorflow 實現(xiàn)基于LSTM的語言模型

深度強化學(xué)習(xí)和遷移學(xué)習(xí)

40. 深度強化學(xué)習(xí)簡介

41. TensorFlow實現(xiàn)策略網(wǎng)絡(luò)

42. TensorFlow實現(xiàn)估值網(wǎng)絡(luò)

43. 遷移學(xué)習(xí)簡介

44. 遷移學(xué)習(xí)的理論概述

45. 遷移學(xué)習(xí)的常見方法及案例

TensorBoard、多GPU并行及分布式并行

46. TensorBoard介紹及使用

47. 多GPU并行訓(xùn)練

48. 分布式訓(xùn)練

49. AI平臺及整體流程簡介