021-53098865

18018650584


雅菲奥朗logo
AI 深度学习高级研修班
    发布时间: 2018-06-27 17:31    
AI 深度学习高级研修班

培训目标：
1. 掌握机器学习基本理论和算法；
2. 掌握深度学习核心算法和主要框架模型；
3 .掌握深度学习训练方法和局限性；
4. 通过项目实践培养利用深度学习解决实际问题的能力

适用对象：
1. 软件开发工程师
2. 有意转行人工智能行业的工程师
3. 人工智能技术应用工程师（非开发人员）
4. 对人工智能技术实践感兴趣的其他工程师

主要内容：
1、机器学习的基本理论和算法；
2、深度学习基础和基本思想；
3、比较深度学习框架；
4、卷积神经网络理论及应用；
5、循环神经网络理论及应用；
6、强化学习理论及应用；
7、对抗性生成网络理论及应用；
8、迁移学习理论及应用；
9、深度学习的局限性和NARS非公理化推理系统

课程安排：
时间 课程模块 内容
第1天 一、机器学习基本理论和算法
 1、人工智能和机器学习的应用
2、成为人工智能专家的基本素质
3、预测、分类、聚类和最优化所用的算法
4、经典机器学习和表示学习的区别
二、深度学习基础和理论
 1、深度学习的发展历程
2、比较深度学习框架
3、调优算法的方法
4、应用：使用多层神经网络识别手写字体
第2天 三、卷积神经网络理论及应用 基本理论；
改进方法：R-CNN （SPPNET）  Fast-R-CNN  Faster-R-CNN （YOLO、SSD）；
应用：利用卷积神经网络识别手写字体
第3天 四、循环神经网络理论及应用
 基本理论；
改进方法：LSTM GRU  Bi-RNN  Attention based RNN；
应用：利用RNN写剧本
第4天 五、强化学习理论及应用
 基本理论；经典模型DQN;
AlphaGo原理
应用：实现简单的AlphaGo
六、对抗性生成网络理论及应用
 理论知识；
经典模型：CGAN，LAPGAN，DCGAN INFOGAN，WGAN，S2-GAN
应用：使用InfoGAN做特定的样本生成
第5天 七、迁移学习理论及应用
 理论概述；
常见方法：特征、实例、数据、深度迁移、强化迁移
应用：在舆情分析中的应用
八、深度学习的局限性和NARS非公理化推理系统
 深度学习的局限性
非公理化推理系统NARS