大数据实战派 都爱大讲台

当前位置:首页  /  课程  /  人工智能:深度学习应用实践

人工智能:深度学习应用实践

人工智能:深度学习应用实践

分享到:

课程从理解神经网络开始,然后步入深度卷积神经网络的学习,并开展可视化的分析,真正体会卷积提取特征的本质。接着对keras和tensorflow常用的技术进行详细的讲解,快速掌握深度学习的应用与研究。然后通过大量的实战案例进行分享和分析,让学员完成从菜鸟到大师的蜕变。

  • ¥99   ¥399 

  • VIP免费

时长    40小时左右          

免费试学 全款购买 当前学习人数 1275 收藏


课程介绍

课程从理解神经网络开始,通过tensorflow playgroud来了解神经网络的趣味与神奇变化,并通过物理与数学的观点进一步加深对神经网络的理解,观察网络加深与加宽对模型性能的影响。然后步入深度卷积神经网络的学习,并开展可视化的分析,真正体会卷积提取特征的本质。接着对keras和tensorflow常用的技术进行详细的讲解,快速掌握其中的技巧与方法,可以使用其开展深度学习的应用与研究。然后在分类应用、目标检测、实例分割、循环神经网络预测、生成对抗网络和深度强化学习中选取优秀的实战案例进行分享和分析,让学员完成从菜鸟到大师的蜕变。



课程特色

1.系统化的讲解
2.案例与项目式的教学
3.让生动的例子激发学员的灵感



学习目标

1.掌握与理解神经网络与深度学习的技术本质
2.快速上手基于keras和tensorflow的深度学习技术
3.可以真正的用深度学习技术来解决自己行业的业务难题



适用人群

只要有一定的编程与开发基础的人员都可以,如果有python编程基础是最好的。

讲师介绍

  • 刘博士

    华为AI实战大咖 | 大讲台人工智能特聘讲师

    计算机博士,华为智能产品线高级软件工程师,长期从事深度学习与人工智能研究工作,领导开发过智能图像识别系统、医疗大数据分析系统、高速道路路面检测系统等多项人工智能项目,软件著作权与发明专利多项,在国际顶级期刊和会议上发表论文多篇。

课程大纲

第一章:理解神经网络
1. 什么是神经网络
2. 感知器:最简单的神经网络
3. 神经网络的扩展
4. 通过tensorflow playgroud了解神经网络的趣味与神奇变化
5. 使用keras快速构建神经网络
6. 使用tensorflow快速构建神经网络
7. 网络加深的效果
第二章:深度卷积神经网络CNN
1. 卷积网络的基本原理
2. 普通神经网络与卷积网络的区别与联系
3. 普通深度神经网络和卷积神经网络分别对图像分类对比
4. 卷积神经网络可视化
5. 深度学习基本框架
6. 通用常见的CNN网络
第三章:快速使用Keras展开深度学习的应用
1. window下安装与使用keras
2. Keras:基于Python的深度学习库简介
3. keras模型
3.1 序贯模型
3.2 函数式模型
4. 网络层
4.1. 常见层
4.2. 卷积层
4.3. 池化层
4.4. 局部连接层
4.5. 循环层
4.6. 嵌入层
4.7. 融合层
4.8. 高级激活层
4.9. 规范层
4.10. 噪声层
4.11. 包装器Wrapper
4.12. 编写自己的层
5. 数据预处理
5.1. 序列预处理
5.2. 文本预处理
5.3. 图片预处理
6. 网络配置
6.1. 损失函数
6.2. 优化器
6.3. 激活函数
6.4. 性能评估
6.5. 初始化方法
6.6. 正则项
6.7. 约束项
6.8. 回调函数
7. 协助使用Keras
7.1. 预训练模型
7.2. 常用数据库
8. 可视化
8.1. 模型可视化
8.2. 工具
9. keras常见问题与使用陷阱
第四章:快速使用tensorflow展开深度学习的应用
1. 变量的创建,初始化,保存与恢复
2. 基本运行机制
3. TensorBoard:学习过程的可视化
4. TensorBoard:图的可视化
5. 数据读入
6. 线程与队列
7. 添加新的操作
8. 自定义数据读取
9. 使用GPU
10. 共享变量
11. API接口查询
12. 更多的资源
13. TF-Slim库的使用
第五章:深度学习进行分类
1. 实例分析1:百度点石大赛,对商家招牌进行分类
2. 实例分析2:1000物体分类与创建自己的图像分类器
3. 实例分析3:CNN对句子进行分类
第六章:深度学习进行目标检测
1. 从R-CNN到Faster R-CNN
1.1. R-CNN的基本原理
1.2. Fast R-CNN的改进
1.3. Faster R-CNN的改进
2. 实例分析:医学图像肺结节检测算法分析
第七章:深度学习进行实例分割
1. 从FCN,U-Net到mask R-CNN
1.1. 基于分类的分割方法
1.2. 全卷积网络分割
1.3. U-Net的分割改进
1.4. 从Faster R-CNN到Mask R-CNN进行分割
2. 实例分析1:关节医学图像的精准分割
3. 实例分析2:mask R-CNN核心算法解析
第八章:时序模型:循环神经网络RNN
1. RNN基本原理与要解决的问题
2. RNN存在的问题
3. 从RNN到LSTM
4. 实例分析1:股票每日最高价进行预测
5. 实例分析2:自动生成中国古诗词
6. 实例分析3:26个英文字母预测
第九章:生成式对抗网络GAN
1. GAN网络的基本原理
2. 基于卷积的对抗生成网络:DCGAN
3. 更多的网络:GAN、DCGAN、CGAN和InfoGAN
4. 实例分析:CGAN网络对图像进行自动着色
第十章:深度强化学习
1. 强化学习原理
2. 深度强化学习原理
3. 实例分析1:深度强化学习构建小游戏
4. 实例分析2: DeepMind深度强化学习经典算法实现
第十一章:综合趣味实例
1. 图像风格实时转换:比如让毕加索风格渲染图像
第十二章:深度学习常见问题与解决方法
1. 数据集中训练集,验证集,测试集的解释
2. 正则化防止过拟合
3. 输入数据的标准化
4. 网络权重的初始化
5. 使用Mini-batch
6. 常见的优化算法
7. 超参数的调节
8. 如何让网络更深
9. 误差分析的基本方法

你可能还喜欢的课程

  • 【千元钜惠】 资深大数据架构大佬全程直播,传授硬核技能:①OLAP/HTAP/湖仓一体等多种架构;②借FlinkCDC/Kylin/Hudi/Doris等打造数仓;③湖仓一体化项目落地实践;④基于Flink和StreamX打造低代码大数据中台

    查看详情 QQ咨询

    大数据实战精英+架构师班

    查看详情 4个月

  • 【千元钜惠】 手握6000+节点的大数据运维大咖全程直播,4个月带你熟悉大数据集群规划、部署、监控、排错、容器化等技能,并完成3个商业项目。

    查看详情 QQ咨询

    大数据运维尖刀班

    查看详情 4个月

  • 【3重优惠】 技术大牛组团授课,专讲大数据核心知识和大型项目实战,多台物理服务器数十个节点现场直播演示!企业级实战项目让你四个月掌握2年的项目经验!

    查看详情 QQ咨询

    大数据开发工程师特训营

    查看详情 16周

  • 【优惠活动】 新东方、搜狗、腾讯等名企一线实战讲师授课,技“高”一筹!重在培养数据分析方法及思路,而不仅仅是学习技术及工具。带教多个互联网及金融领域企业真实项目,而不仅仅是讲理论和小案例。

    查看详情 QQ咨询

    数据分析特训营

    查看详情 16周

  • 本课程为大数据金融信贷项目实战课,着重讲解企业中常用的大数据技术理论与实战,如Hadoop、Hive、HBase、Sqoop、Flume、Kafka、Spark Streaming、Spark SQL、Spark Structured Streaming等。课程包含离线项目和实时项目,从项目业务需求、技术选型、架构设计、集群安装部署、集成开发以及项目可视化进行多方位实战讲解。

    查看详情 QQ咨询

    互联网金融信贷项目实战(Hadoop&Spark)

    查看详情 38小时44分钟

  • 干货多:15案例 + 3实战 + 2项目;
    提升快:滴滴出行一线架构师传授实战经验,30小时多方位讲解数据仓库构建相关理论及实战内容
    技术全:综合运用Hive/Flume/Kafka/Azkaban/Oozie/SparkSQL等技术;

    查看详情 QQ咨询

    基于大数据体系构建数据仓库

    查看详情 32小时52分钟

  • 本课程基于某电商公司运营实时分析系统(2B),对Flink进行系统讲解。通过本课程的学习,既能获得Flink企业级真实项目经验,也能深入掌握Flink的核心理论知识,还能获得Flink在生产环境中安装、部署、监控的宝贵经验,从而深入掌握Flink技术。

    查看详情 QQ咨询

    Flink电商运营项目实战

    查看详情 50小时6分钟

他们在学

  • $criminal❤

  • 136****0096

  • 135****5098

  • 琉璃苣25938

  • .27868

  • 27712

  • 微微笑

  • 微信用户27865

  • 186****8597

  • 152****6859

  • 191****5982

  • 182****3891

  • 157****7450

  • 27792

  • zhj

  • 188****8813

 
QQ在线咨询
微信扫码咨询