
Python 語言深度學(xué)習(xí)培訓(xùn)
]
課程將圍繞機器學(xué)習(xí)原理,使用 Python 語言進行實戰(zhàn),
終期望學(xué)員熟悉人工神經(jīng)網(wǎng)絡(luò)原理、能動手實現(xiàn)部分核心算法。
掌握常用深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),
并學(xué)會使用 TensorFlow 和 PyTorch 兩大深度學(xué)習(xí)框架進行實踐。
此外,對涉及到的模型訓(xùn)練、評估、推理、部署充分了解,達到深度學(xué)習(xí)初級工程師的水平。
1 深度學(xué)習(xí)理論
2 計算機視覺
3 深度學(xué)習(xí)工程
4 深度學(xué)習(xí)框架
5 自然語言處理
6 項目挑戰(zhàn)比賽
階段 1 課程技能準備
課程須知和先學(xué)內(nèi)容
1
課程內(nèi)容介紹與導(dǎo)學(xué)
深度學(xué)習(xí)綜述和示例
1.機器學(xué)習(xí)介紹
2.深度學(xué)習(xí)介紹
3.深度學(xué)習(xí)發(fā)展
2
線性回歸實現(xiàn)與應(yīng)用
1.一元線性回歸
2.平方損失函數(shù)
3.小二乘法及代數(shù)求解
4.線性回歸實現(xiàn)
5.小二乘法的矩陣推導(dǎo)
1
住房價格預(yù)測
1.數(shù)據(jù)集讀取與劃分
2.模型訓(xùn)練及預(yù)測
3.模型評價
3
邏輯回歸實現(xiàn)與應(yīng)用
1.線性可分和不可分
2.Sigmoid分布函數(shù)
3.邏輯回歸模型
4.對數(shù)損失函數(shù)
5.梯度下降法
2
梯度下降法實現(xiàn)與應(yīng)用
1.小二乘法求解線性回歸參數(shù)
2.梯度下降法求解線性回歸參數(shù)
實驗 4
感知機和人工神經(jīng)網(wǎng)絡(luò)
1.感知機的推導(dǎo)過程
2.隨機梯度下降法
3.多層感知機與人工神經(jīng)網(wǎng)絡(luò)
4.反向傳播算法
5.實現(xiàn)人工神經(jīng)網(wǎng)絡(luò)
3
手寫字符識別神經(jīng)網(wǎng)絡(luò)
1.人工神經(jīng)網(wǎng)絡(luò)
2.手寫字符識別
5
TensorFlow 基礎(chǔ)概念語法
1.TensorFlow介紹
2.張量的概念
3.EagerExecution特性
4.TensorFlowAPI概覽
4
TensorFlow 加州房價預(yù)測
1.小二乘法線性回歸
2.TensorFlow基本運算
6
TensorFlow 構(gòu)建神經(jīng)網(wǎng)絡(luò)
1.NumPy構(gòu)建神經(jīng)網(wǎng)絡(luò)
2.TensorFlow構(gòu)建神經(jīng)網(wǎng)絡(luò)
3.TensorFlow完成DIGITS分類
4.TensorFlow實現(xiàn)MiniBatch訓(xùn)練
5
TensorFlow 汽車評估分類
1.TensorFlow構(gòu)建神經(jīng)網(wǎng)絡(luò)
2.張量數(shù)據(jù)處理轉(zhuǎn)換
3.損失函數(shù),優(yōu)化器
7
TensorFlow 高階 API 使用
1.Keras順序模型
2.Keras函數(shù)模型
3.Keras模型存儲及推理
4.Estimator高階API
6
TensorFlow 時尚物品分類
1.Keras構(gòu)建神經(jīng)網(wǎng)絡(luò)
2.灰度數(shù)據(jù)標準化
3.Flatten,Dropout層
8
PyTorch 基礎(chǔ)概念語法
1.張量類型和定義
2.索引、切片、變換
3.張量的內(nèi)部結(jié)構(gòu)
4.自動微分Autograd
5.深度學(xué)習(xí)框架對比
實驗 9
PyTorch 構(gòu)建神經(jīng)網(wǎng)絡(luò)
1.PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò)
2.Sequential容器結(jié)構(gòu)
3.使用GPU加速訓(xùn)練
4.模型保存與推理
7
PyTorch 實現(xiàn)線性回歸
1.PyTorch原理及使用
2.nnModule類實現(xiàn)線性回歸
卷積神經(jīng)網(wǎng)絡(luò)原理
1.卷積核Kernel
2.卷積步長Stride
3.邊距擴展Padding
4.高維多卷積核過程
5.卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展史
11
卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建
1.TensorFlow高階API構(gòu)建
2.TensorFlow低階API構(gòu)建
3.PyTorch低階API構(gòu)建
4.PyTorch高階API構(gòu)建
8
構(gòu)建 LeNet5 Estimator
1.TensorFlowEstimator使用
2.LeNet5卷積神經(jīng)網(wǎng)絡(luò)
12
圖像分類原理與實踐
1.數(shù)據(jù)加載器
2.遷移學(xué)習(xí)
3.貓狗識別
4.卷積神經(jīng)網(wǎng)絡(luò)可視化
9
遷移學(xué)習(xí)完成動物分類
1.遷移學(xué)習(xí)
2.預(yù)訓(xùn)練模型
3.TensorFlowKeras
13
生成對抗網(wǎng)絡(luò)原理及構(gòu)建
1.生成對抗網(wǎng)絡(luò)原理
2.生成對抗網(wǎng)絡(luò)實現(xiàn)
3.生成對抗網(wǎng)絡(luò)改進
4.生成對抗網(wǎng)絡(luò)未來
10
DCGAN 動漫人物圖像生成
1.PyTorch實踐運用
2.DCGAN網(wǎng)絡(luò)搭建
14
自動編碼器原理及構(gòu)建
1.自動編碼器介紹
2.基礎(chǔ)自動編碼器
3.去噪自動編碼器
11
卷積自動編碼器圖像去噪
1.卷積自動編碼器
2.圖像去噪
3.TensorFlowKeras
15
目標檢測原理與實踐
1.目標檢測方法
2.RCNN家族
3.YOLO和SSD
4.MaskRCNN
5.TensorFlowObjectDetection
12
YOLO 圖像目標檢測應(yīng)用
1.圖像目標檢測
2.YOLO實時檢測方法
16
循環(huán)神經(jīng)網(wǎng)絡(luò)原理
1.序列模型介紹
2.簡單循環(huán)神經(jīng)網(wǎng)絡(luò)
3.LSTM長短期記憶模型
4.GRU門控循環(huán)單元
17
循環(huán)神經(jīng)網(wǎng)絡(luò)構(gòu)建
1.IMDB數(shù)據(jù)集
2.詞嵌入
3.簡單循環(huán)神經(jīng)網(wǎng)絡(luò)
4.LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)
13
LSTM 預(yù)測股票價格
1.LSTM網(wǎng)絡(luò)構(gòu)建
2.股票價格預(yù)測
18
文本分類原理與實踐
1.文本分類流程
2.中文文本分詞
3.英文文本分詞
4.文本特征提取
5.假新聞分類任務(wù)
14
深度學(xué)習(xí)完成假新聞分類
1.文本分類
2.深度神經(jīng)網(wǎng)絡(luò)
19
自然語言處理框架拓展
1.NaturalLanguageToolkit
2.PyTorchFlair 3.自然語言處理工具
15
BERT 預(yù)訓(xùn)練技術(shù)實踐應(yīng)用
1.GoogleBERT
2.NLP預(yù)訓(xùn)練技術(shù)
20
神經(jīng)機器翻譯和對話系統(tǒng)
1.序列到序列模型
2.神經(jīng)機器翻譯系統(tǒng)
3.聊天機器人系統(tǒng)
21
自動化深度學(xué)習(xí)綜述
1.自動化機器學(xué)習(xí)概念
2.自動化機器學(xué)習(xí)目標
22
自動化深度學(xué)習(xí)實踐
1.AutoKeras介紹
2.圖像分類任務(wù)
3.文本分類任務(wù)
4.優(yōu)模型可視化
5.AutoML優(yōu)劣分析
16
仙人掌航拍照片分類識別
1.仙人掌航拍照片分類
2.AutoKeras實踐應(yīng)用
23
深度學(xué)習(xí)模型推理和部署
1.TensorFlowServing
2.ONNX開放模型格式
17
構(gòu)建圖像分類推理服務(wù)
1.預(yù)訓(xùn)練模型
2.TensorFlowKeras
3.FlaskWebAPI
24
深度學(xué)習(xí)云端服務(wù)實踐
1.深度學(xué)習(xí)計算平臺
2.深度學(xué)習(xí)解決方案
18
云服務(wù)識別增值稅發(fā)票
1.云服務(wù)調(diào)用
2.發(fā)票識別
