課程介紹

 

其他精品課程班: ABB symphony培訓(xùn) catia汽車內(nèi)外飾設(shè)計培訓(xùn) FLds模塊模擬培訓(xùn) 失效分析培訓(xùn) sherlock機器視覺培訓(xùn) CFD流體力學(xué)培訓(xùn) AMESIM電機熱培訓(xùn) AIGC培訓(xùn)培訓(xùn) 機械可靠性培訓(xùn) ansys模具行業(yè)仿真應(yīng)用培訓(xùn) HRS培訓(xùn) Chatgpt培訓(xùn) 數(shù)?；旌螴C設(shè)計培訓(xùn) 嵌入式產(chǎn)品測試培訓(xùn) Abaqus復(fù)合材料培訓(xùn) Vue培訓(xùn) 敏捷培訓(xùn) DevOps培訓(xùn) AIGC培訓(xùn) EBMI5培訓(xùn) CHI培訓(xùn) Scrum培訓(xùn) AI培訓(xùn) SEAi培訓(xùn) EtherCAT培訓(xùn) 尺寸鏈培訓(xùn) 3C半導(dǎo)體設(shè)備維護和調(diào)試培訓(xùn) 降噪設(shè)計培訓(xùn) 白盒測試培訓(xùn) 人機培訓(xùn) 通信培訓(xùn) AI職場培訓(xùn) Apollo培訓(xùn) Twin Builder培訓(xùn) 安全開發(fā)培訓(xùn) 公式培訓(xùn)

 

 

曙海教學(xué)優(yōu)勢

　 本課程面向企事業(yè)項目實際需要,秉承二十一年積累的教學(xué)品質(zhì)，深度學(xué)習(xí)DeepLearning核心技術(shù)開發(fā)與應(yīng)用培訓(xùn)課程-以項目實現(xiàn)為導(dǎo)向,老師將會與您分享設(shè)計的全流程以及工具的綜合使用經(jīng)驗、技巧。線上/線下/上門皆可,深度學(xué)習(xí)DeepLearning核心技術(shù)開發(fā)與應(yīng)用培訓(xùn)課程-專家,課程可定制,熱線:4008699035。

　 曙海的課程培養(yǎng)了大批受企業(yè)歡迎的工程師。曙海的課程在業(yè)內(nèi)有著響亮的知名度。大批企業(yè)和曙海
建立了良好的合作關(guān)系,合作企業(yè)30萬+。

 

精品課程班級列表

• ?　　培訓(xùn)目標：

  　　1、本次深度學(xué)習(xí)培訓(xùn)采用深入淺出的方法，結(jié)合實例，重點講解Deep Learning框架模型、科學(xué)算法、訓(xùn)練過程技巧，使學(xué)員更有效的掌握Deep Learning核心技術(shù)及動手能力;

  　　2、通過本次課程的學(xué)習(xí)，能夠把握深度學(xué)習(xí)的技術(shù)發(fā)展趨勢，可以熟練掌握深度學(xué)習(xí)核心技術(shù)、主要模型、實踐技巧、并配以大量代碼練習(xí)，同時針對工作中存在的疑難問題進行分析講解和專題討論，有效的提升學(xué)員解決復(fù)雜問題的能力;

  　　培訓(xùn)課程：

  　　一、深度學(xué)習(xí)Deep Learning基礎(chǔ)和基本思想

  　　1，人工智能概述、計算智能、類腦智能

  　　3，機器學(xué)習(xí)概述、記憶學(xué)習(xí)、歸納學(xué)習(xí)、統(tǒng)計學(xué)習(xí)

  　　4，深度學(xué)習(xí)的前生今世、發(fā)展趨勢

  　　5，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

  　　二、深度學(xué)習(xí)Deep Learning基本框架結(jié)構(gòu)

  　　1，Caffe 2，Tensorflow

  　　3，Torch 4，MXNet

  　　三，深度學(xué)習(xí)Deep Learning-卷積神經(jīng)網(wǎng)絡(luò)

  　　1，CNN卷積神經(jīng)網(wǎng)絡(luò)

  　　卷積層(一維卷積、二維卷積)、池化層(均值池化、最大池化)

  　　全連接層 激活函數(shù)層 Softmax層

  　　2，CNN卷積神經(jīng)網(wǎng)絡(luò)改進

  　　R-CNN (SPPNET) Fast-R-CNN Faster-R-CNN (YOLO、SSD)

  　　3，深度學(xué)習(xí)的模型訓(xùn)練技巧

  　　4，梯度下降的優(yōu)化方法詳解

  　　四，深度學(xué)習(xí)Deep Learning-循環(huán)神經(jīng)網(wǎng)絡(luò)

  　　1， RNN循環(huán)神經(jīng)網(wǎng)絡(luò)

  　　梯度計算 BPTT

  　　2，RNN循環(huán)神經(jīng)網(wǎng)絡(luò)改進

  　　LSTM GRU Bi-RNN Attention based RNN

  　　3，RNN實際應(yīng)用 Seq2Seq的原理與實現(xiàn)

  　　五、強化學(xué)習(xí)

  　　1，強化學(xué)習(xí)的理論知識

  　　2，經(jīng)典模型DQN講解

  　　2， AlphaGo原理講解

  　　3， RL實際應(yīng)用;實現(xiàn)一個AlphaGo

  　　六，對抗性生成網(wǎng)絡(luò)

  　　1， GAN的理論知識

  　　2， GAN經(jīng)典模型CGAN，LAPGAN，DCGAN

  　　3，GAN經(jīng)典模型 INFOGAN，WGAN，S2-GAN

  　　4，GAN實際應(yīng)用 DCGAN提高模糊圖片分辨率

  　　5，GAN實際應(yīng)用 InfoGAN做特定的樣本生成

  　　七、遷移學(xué)習(xí)

  　　1，遷移學(xué)習(xí)的理論概述

  　　2，遷移學(xué)習(xí)的常見方法

  　　特征、實例、數(shù)據(jù)、深度遷移、強化遷移、研究案例

  　　八、CNN應(yīng)用案例

  　　1，CNN與手寫數(shù)字集分類

  　　2，YOLO實現(xiàn)目標檢測

  　　3，PixelNet原理與實現(xiàn)

  　　4，利用卷積神經(jīng)網(wǎng)絡(luò)做圖像風格結(jié)合

  　　九、深度學(xué)習(xí)Deep Learning的常用模型或者方法

  　　1，AutoEncoder自動編碼器

  　　2，Sparse Coding稀疏編碼

  　　3，Restricted Boltzmann Machine(RBM)限制波爾茲曼機

  　　4，Deep BeliefNetworks深信度網(wǎng)絡(luò)

  　　5，Convolutional Neural Networks卷積神經(jīng)網(wǎng)絡(luò)

  　　十、輔助課程

  　　(1)疑難解答、分組討論;

  　　(2)關(guān)鍵問題解析;

  
  
  

  ---
• 聯(lián)系曙?？头?/span>