課程目標(biāo)：
?
通過學(xué)習(xí)，了解機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的一般概念；了解機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的歷史、基本理論，典型模型，常用算法；了解機(jī)器學(xué)習(xí)及深度學(xué)習(xí)的開發(fā)流程，涉及到到的工具，平臺(tái)，調(diào)試方法等，了解深度學(xué)習(xí)的基本框架結(jié)構(gòu)，caffe、tensorflow，keras等。并了解一些前沿技術(shù)發(fā)展變化趨勢(shì)。
?
課程收益：
?
1.?掌握深度學(xué)習(xí)運(yùn)行環(huán)境搭建；
2.?掌握深度模型訓(xùn)練和優(yōu)化流程；
3.?熟知深度學(xué)習(xí)模型結(jié)構(gòu)；
4.?在開源平臺(tái)訓(xùn)練進(jìn)行實(shí)戰(zhàn)體驗(yàn)；
5.?掌握算法移植到定制芯片的整個(gè)流程。
?
授課方式
?
講師講解、互動(dòng)答疑、上機(jī)實(shí)踐
?
課程大綱：
?
主題 內(nèi)容
深度學(xué)習(xí)Deep Learning基礎(chǔ)和基本思想 1、?人工智能概述、計(jì)算智能、類腦智能
2、?機(jī)器學(xué)習(xí)概述、記憶學(xué)習(xí)、歸納學(xué)習(xí)、統(tǒng)計(jì)學(xué)習(xí)
3、?深度學(xué)習(xí)的前生今世、發(fā)展趨勢(shì)
4、?人工神經(jīng)網(wǎng)絡(luò)、前饋神經(jīng)網(wǎng)絡(luò)、BP算法 、Hessian矩陣、結(jié)構(gòu)性特征表示
深度學(xué)習(xí)Deep Learning基本框架結(jié)構(gòu) 1.?Caffe介紹
a)?軟件架構(gòu)
b)?安裝以及使用方法
2.?Tensorflow介紹
a)?軟件架構(gòu)
b)?安裝以及使用方法
3.?Keras介紹
a)?軟件架構(gòu)
b)?安裝以及使用方法
4.?虛擬機(jī)安裝以及使用
機(jī)器學(xué)習(xí)概要介紹
? 1.?分類分析算法介紹
a)?貝葉斯概率
b)?決策樹算法族
c)?隨機(jī)森林
d)?支持向量機(jī)
2.?回歸算法介紹
a)?多元線性回歸
b)?邏輯回歸
3.?聚類分析算法介紹
a)?K-means聚類
b)?層次聚類
4． 上機(jī)實(shí)戰(zhàn)
深度學(xué)習(xí)介紹 1.?神經(jīng)網(wǎng)絡(luò)目的
2.?神經(jīng)網(wǎng)絡(luò)的應(yīng)用場(chǎng)景
3.?神經(jīng)網(wǎng)絡(luò)算法介紹
a)?感知機(jī)
b)?反向傳播算法
4.?深度學(xué)習(xí)算法介紹
a)?隨機(jī)梯度下降算法
b)?過擬合與欠擬合
c)?卷積神經(jīng)網(wǎng)絡(luò)
d)?自動(dòng)編碼器
e)?稀疏編碼
f)?限制波爾茲曼機(jī)
g)?循環(huán)神經(jīng)網(wǎng)絡(luò)以及LSTM
5.?應(yīng)用介紹
a)?人臉識(shí)別
b)?風(fēng)格轉(zhuǎn)換
c)?目標(biāo)檢測(cè)
6.?常見模型結(jié)構(gòu)介紹
a)?Alexnet
b)?VGG
c)?Resnet
d)?GoogleNet
e)?SqueezeNet
f)?FCN
7.?上機(jī)實(shí)戰(zhàn)
前沿技術(shù)介紹 1.?強(qiáng)化學(xué)習(xí)
a)?強(qiáng)化學(xué)習(xí)的理論知識(shí)
b)?經(jīng)典模型DQN講解
c)?AlphaGo原理講解
2.?對(duì)抗性生成網(wǎng)絡(luò)
d)?GAN的理論知識(shí) ??
e)?GAN經(jīng)典模型CGAN，LAPGAN，DCGAN
f)?GAN實(shí)際應(yīng)用
3.?遷移學(xué)習(xí)
g)?遷移學(xué)習(xí)的理論概述
h)?遷移學(xué)習(xí)的常見方法
4.?上機(jī)實(shí)戰(zhàn)
算法移植介紹及討論 1．?算法單元介紹
a)?卷積
b)?Pooling
c)?激活函數(shù)
d)?數(shù)據(jù)結(jié)構(gòu)
2．?移植問題討論
