深度學習模型 & Tensorflow框架培訓大綱
深度學習基本原理
1、深度學習簡介
2、深度學習成功應用
3、深度學習與神經(jīng)網(wǎng)絡的對比
4、深度學習的訓練過程
5、深度學習的具體模型
自動編碼器
稀疏自動編碼器
降噪自動編碼器
6、深度學習應用案例
深度學習模型原理解析
1、CNN
CNN模型的推導與實現(xiàn)
CNN的反向求導及練習
CNN應用:文本分類
CNN 常見問題總結(jié)
2、RNN
RNN模型的推導與實現(xiàn)
RNN的反向求導及練習
RNN應用:個性化電影推薦
RNN常見問題總結(jié)
3、LSTM
LSTM模型的推導與實現(xiàn)
LSTM的反向求導及練習
LSTM應用:文本識別
LSTM常見問題總結(jié)
4、DNN
DNN模型的推導與實現(xiàn)
DNN的反向求導及練習
DNN應用:CTR預估
DNN常見問題總結(jié)
5、廣告搜索中深度學習的應用
查詢意圖識別:CSR
文本相關性:Word2Vec。DSSM
CTR預估:DNN、MxNet
圖像理解:VGGNet、CNN
深度學習框架實踐Tensorflow
1、Tensorflow框架介紹
2、TensorFlow和其他深度學習框架的對比
3、Tensorflow 特性
4、Tensorflow 下載及安裝
5、Tensorflow 架構
6、Tensorflow 基本使用
7、TensorFlow實現(xiàn)多層感知機
8、TensorFlow實現(xiàn)卷積神經(jīng)網(wǎng)絡
TensorFlow實現(xiàn)簡單的卷積網(wǎng)絡
TensorFlow實現(xiàn)進階的卷積網(wǎng)絡
TensorFlow實現(xiàn)經(jīng)典卷積神經(jīng)網(wǎng)絡
TensorFlow實現(xiàn)ResNet
9、Tensorflow 實現(xiàn)循環(huán)神經(jīng)網(wǎng)絡及Word2Vec
Tensorflow 實現(xiàn)Word2Vec
Tensorflow 實現(xiàn)基于LSTM的語言模型
10、TensorFlow實現(xiàn)深度強化學習
深度強化學習簡介
TensorFlow實現(xiàn)策略網(wǎng)絡
TensorFlow實現(xiàn)估值網(wǎng)絡
11、TensorBoard、多GPU并行及分布式并行
TensorBoard
多GPU并行
分布式并行
12、實戰(zhàn):Python中實現(xiàn)LSTM模型搭建:時間序列
基于某家店的某顧客的歷史消費的時間推測該顧客前下次來店的時間
13、實戰(zhàn):用TensorFlow搭建圖像識別系統(tǒng)
14、Tensorflow結(jié)合Spark |