課程簡(jiǎn)介
深度學(xué)習(xí)算法原理與實(shí)踐
目標(biāo)收益
培訓(xùn)對(duì)象
課程大綱
|
第一天 上午 概述 |
1.人工智能應(yīng)用發(fā)展概述 2.python基礎(chǔ)學(xué)習(xí) 3.科學(xué)計(jì)算包numpy學(xué)習(xí) 4.繪圖工具包matplotlib學(xué)習(xí) |
| 下午 |
1.深度學(xué)習(xí)發(fā)展以及大師介紹 2.神經(jīng)網(wǎng)絡(luò)基本原理 3.單層感知器程序 4.線性神經(jīng)網(wǎng)絡(luò) 5.激活函數(shù)，損失函數(shù)和梯度下降法 6.BP神經(jīng)網(wǎng)絡(luò)介紹 7.BP神經(jīng)網(wǎng)絡(luò)解決異或問(wèn)題 8.sklearn-BP神經(jīng)網(wǎng)絡(luò)解決手寫(xiě)數(shù)字識(shí)別 9.BP網(wǎng)絡(luò)論文講解 |
|
第二天 上午 Tensorflow |
1.Tensorflow安裝 2.Tensorlfow基礎(chǔ)知識(shí)：圖，變量，fetch，feed 3.Tensorflow線性回歸 4.Tensorflow非線性回歸 4.Mnist數(shù)據(jù)集合Softmax講解 5.使用BP神經(jīng)網(wǎng)絡(luò)搭建手寫(xiě)數(shù)字識(shí)別 6.交叉熵(cross-entropy)講解和使用 |
| 下午 |
1.過(guò)擬合,正則化,Dropout 2.改進(jìn)手寫(xiě)數(shù)字識(shí)別網(wǎng)絡(luò) 3.卷積神經(jīng)網(wǎng)絡(luò)CNN的介紹 4.使用CNN解決手寫(xiě)數(shù)字識(shí)別 5.長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)LSTM介紹 6.LSTM的使用 7.介紹Google圖像識(shí)別模型Inception-v3 8.使用Inception-v3做圖像識(shí)別 |
|
第一天 上午 概述 1.人工智能應(yīng)用發(fā)展概述 2.python基礎(chǔ)學(xué)習(xí) 3.科學(xué)計(jì)算包numpy學(xué)習(xí) 4.繪圖工具包matplotlib學(xué)習(xí) |
|
下午 1.深度學(xué)習(xí)發(fā)展以及大師介紹 2.神經(jīng)網(wǎng)絡(luò)基本原理 3.單層感知器程序 4.線性神經(jīng)網(wǎng)絡(luò) 5.激活函數(shù)，損失函數(shù)和梯度下降法 6.BP神經(jīng)網(wǎng)絡(luò)介紹 7.BP神經(jīng)網(wǎng)絡(luò)解決異或問(wèn)題 8.sklearn-BP神經(jīng)網(wǎng)絡(luò)解決手寫(xiě)數(shù)字識(shí)別 9.BP網(wǎng)絡(luò)論文講解 |
|
第二天 上午 Tensorflow 1.Tensorflow安裝 2.Tensorlfow基礎(chǔ)知識(shí)：圖，變量，fetch，feed 3.Tensorflow線性回歸 4.Tensorflow非線性回歸 4.Mnist數(shù)據(jù)集合Softmax講解 5.使用BP神經(jīng)網(wǎng)絡(luò)搭建手寫(xiě)數(shù)字識(shí)別 6.交叉熵(cross-entropy)講解和使用 |
|
下午 1.過(guò)擬合,正則化,Dropout 2.改進(jìn)手寫(xiě)數(shù)字識(shí)別網(wǎng)絡(luò) 3.卷積神經(jīng)網(wǎng)絡(luò)CNN的介紹 4.使用CNN解決手寫(xiě)數(shù)字識(shí)別 5.長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)LSTM介紹 6.LSTM的使用 7.介紹Google圖像識(shí)別模型Inception-v3 8.使用Inception-v3做圖像識(shí)別 |
近期公開(kāi)課推薦
