全面掌握深度學習
-
課程目標
課程面向零基礎學員，從上世紀60年代最基礎的的單層感知器開始學習，從最基礎的知識開始，進行體系化的學習。 課程包含神經網絡領域大多數重要分支，并通過這些分支延伸到如今最熱門的的深度置信網絡DBN，卷積神經網絡CNN，深度殘差網絡RES和長短時記憶網絡LSTM。
-
師資團隊
-
華清創客企業內訓講師，均是來自各個領域的資深專家，均擁有6年以上大型項目經驗。
-
培養對象
1、對人工智能、深度學習感興趣的學員
2、渴望學習當今最熱門最前沿技術的人
3、想儲備深度學習技能的學員 -
培訓方式
第一種：華清創客講師面授
課時：共4天，每天6學時，總計24學時
◆費用：3200元
◆外地學員：代理安排食宿（需提前預定）
第二種：線上直播授課
直播課時：共8天，每天3學時，總計24學時；
輔導：授課期間，輔導老師每天有1小時的輔導直播
◆費用：3200元
第三種：企業訂制培訓
課時：根據定制的大綱確定課時
費用：根據課程難度，每課時1500~3000元
-
-
質量保證
1、培訓過程中，如有部分內容理解不透或消化不好，可免費在下期培訓班中重聽；
2、培訓結束后免費提供一個月的技術支持，充分保證培訓后出效果；
3、培訓合格學員可享受免費推薦就業機會。
-
課程大綱
第一章：神經網絡介紹
1.1 神經網絡概述
1.2 神經網絡發展史
第二章：單層感知器實踐
2.1 從0到1-單層感知器
2.2 從0到1-單層感知器（代碼實踐）
第三章：網絡優化
3.1 線性神經網絡、delta學習規則和梯度下降法
3.2 線性神經網絡、delta學習規則和梯度下降法（代碼實踐）
第四章：多層
4.1 BP神經網絡介紹
4.2 BP神經網絡介紹（代碼實踐1）
4.3 BP神經網絡介紹（代碼實踐2）
4.4 深入理解BP神經網絡（論文講解）
4.5 過擬合，以及google神經網絡小工具
第五章：Hopfield神經網絡
5.1 Hopfield神經網絡
5.2 Hopfield神經網絡（代碼實現）
第六章：玻爾茲曼機
6.1 玻爾茲曼機
6.2 受限玻爾茲曼機RBM
6.3 受限玻爾茲曼機RBM（代碼實現）
第七章：推薦系統算法介紹
7.1 推薦系統算法介紹
第八章：玻爾茲曼機應用
8.1 受限玻爾茲曼機在推薦系統中的應用
第九章：各種網絡講解
9.1 深度置信網絡DBN-DNN
9.2 卷積神經網絡CNN
9.3 手寫體識別網絡LeNET-5結構分析
第十章：圖像識別應用
10.1 ImageNet介紹
10.2 ILSVRC12圖像識別比賽冠軍AlexNet
10.3 GPU和TPU的簡介
第十一章：深度殘差網絡
11.1 深度殘差網絡RES
11.2 批量正則化Batch Normalization
11.3 深度殘差網絡進一步研究
第十二章：RNN和LSTM
12.1 遞歸神經網絡RNN
12.2 長短時記憶網絡LSTM
第十三章：強化學習和遷移學習
13.1 強化學習RL
13.2 遷移學習TL
13.3 生成式對抗網絡GAN
- 贊
