深度學(xué)習(xí)-基于Tensorflow的實(shí)戰(zhàn)培訓(xùn)(北京,3月22-23日)
【舉辦單位】北京曼頓培訓(xùn)網(wǎng)www.mdpxb.com中國(guó)培訓(xùn)資訊網(wǎng)www.e71edu.com
【咨詢電話】4006820825 010-56133998 13810210257
【培訓(xùn)日期】2018年3月22-23日
【培訓(xùn)地點(diǎn)】北京
【培訓(xùn)對(duì)象】
1,系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級(jí)程序員、資深開(kāi)發(fā)人員。
2,牽涉到網(wǎng)絡(luò)采集、處理和規(guī)劃的負(fù)責(zé)人、設(shè)計(jì)人員。
3,政府機(jī)關(guān),金融保險(xiǎn)、移動(dòng)等以互聯(lián)網(wǎng)信息為數(shù)據(jù)來(lái)源單位的負(fù)責(zé)人。
4,高校、科研院所牽涉到網(wǎng)絡(luò)數(shù)據(jù)采集與數(shù)據(jù)處理及展現(xiàn)的項(xiàng)目負(fù)責(zé)人。
【課程背景】
深度學(xué)習(xí)是對(duì)使用多層神經(jīng)網(wǎng)絡(luò)過(guò)程進(jìn)行機(jī)器學(xué)習(xí)的統(tǒng)稱,多層神經(jīng)網(wǎng)絡(luò)是一種利用多種數(shù)學(xué)方法,及其方法組合的模型。近幾年人們有能力卓有成效地利用神經(jīng)網(wǎng)絡(luò),其原因主要一是獲取足夠數(shù)量的數(shù)據(jù)成為現(xiàn)實(shí);二是得益于通用GPU的快速發(fā)展,多層神經(jīng)網(wǎng)絡(luò)擁有了超越其他機(jī)器學(xué)習(xí)方法的優(yōu)勢(shì)。當(dāng)決定如何最有效地利用數(shù)據(jù)時(shí),深度學(xué)習(xí)能夠賦予模型更大的靈活性。
TensorFlow是谷歌開(kāi)源的主流深度學(xué)習(xí)框架,目前已在谷歌、優(yōu)步、京東、小米等科技公司廣泛應(yīng)用。本課程使用TensorFlow框架作為深度學(xué)習(xí)入門(mén),使學(xué)員以最快、最有效的方式上手TensorFlow和深度學(xué)習(xí)。課程中省去了深度學(xué)習(xí)繁瑣的數(shù)學(xué)模型推導(dǎo),從實(shí)際應(yīng)用問(wèn)題出發(fā),通過(guò)具體的TensorFlow樣例程序介紹如何使用深度學(xué)習(xí)解決這些問(wèn)題,包含了深度學(xué)習(xí)的知識(shí)和大量實(shí)踐經(jīng)驗(yàn),幫助學(xué)員走進(jìn)這個(gè)最新、最火的人工智能領(lǐng)域。
本培訓(xùn)介紹基于TensorFlow進(jìn)行數(shù)據(jù)處理、數(shù)據(jù)探索的基本方法,并對(duì)TensorFlow算法原理及實(shí)現(xiàn)進(jìn)行講解。
【課程目標(biāo)】
1,全面了解深度學(xué)習(xí)和Tensorflow的相關(guān)知識(shí)。
2,學(xué)習(xí)Tensorflow的核心技術(shù)方法以及應(yīng)用特征。
3,深入使用Tensorflow在深度學(xué)習(xí)中的使用。
【學(xué)員基礎(chǔ)】
1,對(duì)IT系統(tǒng)設(shè)計(jì)有一定的理論與實(shí)踐經(jīng)驗(yàn)。
2,有一定的機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)和開(kāi)發(fā)經(jīng)驗(yàn)。
3,有一定的機(jī)器學(xué)習(xí)與大數(shù)據(jù)處理的知識(shí)。
【課程大綱】
第1講 深度學(xué)習(xí)簡(jiǎn)介
1) 人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)
2) 深度學(xué)習(xí)的發(fā)展歷程
3) 深度學(xué)習(xí)的應(yīng)用
4) 深度學(xué)習(xí)工具介紹和對(duì)比
第2講安裝TensorFlow
1) 選擇安裝環(huán)境
2) TensorFlow的安裝
3) 安裝Jupyter Notebook
4) 安裝matplotlib
5) TensorFlow測(cè)試樣例
第3講TensorFlow基礎(chǔ)
1) TensorFlow計(jì)算模型及計(jì)算圖
2) TensorFlow數(shù)據(jù)模型及張量
3) TensorFlow運(yùn)行模型及會(huì)話
4) 神經(jīng)網(wǎng)絡(luò)及前向傳播算法簡(jiǎn)介
5) TensorFlow訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型
第4講 深層神經(jīng)網(wǎng)絡(luò)
1) 深度學(xué)習(xí)與深層神經(jīng)網(wǎng)絡(luò)
2) 損失函數(shù)定義
3) 神經(jīng)網(wǎng)絡(luò)優(yōu)化算法
4) 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率的設(shè)置
5) 過(guò)擬合問(wèn)題及滑動(dòng)平均模型
第5講 MNIST數(shù)字識(shí)別
1) MNIST數(shù)據(jù)處理
2) TensorFlow訓(xùn)練神經(jīng)網(wǎng)絡(luò)
3) 不同模型效果比較及變量管理
4) TensorFlow模型持久化
5) TensorFlow實(shí)踐樣例
第6講 圖像識(shí)別與卷積神經(jīng)網(wǎng)絡(luò)
1) 圖像識(shí)別問(wèn)題簡(jiǎn)介及經(jīng)典數(shù)據(jù)集
2) 卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
3) 卷積層和池化層
4) LeNet-5模型和Inception-v3模型
5) TensorFlow實(shí)現(xiàn)遷移學(xué)習(xí)
第7講 圖像數(shù)據(jù)處理
1) TFRecord輸入數(shù)據(jù)格式
2) TensorFlow圖像處理函數(shù)
3) 隊(duì)列與多線程
4) 輸入文件隊(duì)列
5) 組合訓(xùn)練數(shù)據(jù)(batching)
第8講 循環(huán)神經(jīng)網(wǎng)絡(luò)
1) 循環(huán)神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
2) 長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(LTSM)結(jié)構(gòu)
3) 雙向循環(huán)和深層循環(huán)神經(jīng)網(wǎng)絡(luò)
4) 樣例應(yīng)用-自然語(yǔ)言建模
5) 樣例應(yīng)用-時(shí)間序列預(yù)測(cè)
第9講 TensorBoard可視化
1) TensorBoard簡(jiǎn)介
2) TensorFlow計(jì)算圖可視化
3) 命名空間與節(jié)點(diǎn)信息
4) 監(jiān)控指標(biāo)可視化
第10講 TensorFlow計(jì)算加速
1) TensorFlow使用GPU
2) 深度學(xué)習(xí)訓(xùn)練并行模式
3) 多GPU并行
4) 分布式TensorFlow原理
5) 分布式TensorFlow模型訓(xùn)練
【講師介紹】
楊老師,曼頓培訓(xùn)網(wǎng)網(wǎng)(www.mdpxb.com)資深講師。主要研究網(wǎng)絡(luò)信息分析、機(jī)器學(xué)習(xí)以及大數(shù)據(jù)相關(guān)技術(shù),長(zhǎng)期從事網(wǎng)絡(luò)信息處理、機(jī)器學(xué)習(xí)以及大數(shù)據(jù)分析系統(tǒng)的研究開(kāi)發(fā)工作,主持和參與了多個(gè)國(guó)家和省部級(jí)基金項(xiàng)目,具有豐富的工程實(shí)踐及軟件研發(fā)經(jīng)驗(yàn)。
【費(fèi)用及報(bào)名】
1、費(fèi)用:培訓(xùn)費(fèi)5500元(含培訓(xùn)費(fèi)、講義費(fèi));如需食宿,會(huì)務(wù)組可統(tǒng)一安排,費(fèi)用自理。
2、報(bào)名咨詢:4006820825 010-56133998 56028090 13810210257 鮑老師
3、報(bào)名流程:電話登記-->填寫(xiě)報(bào)名表-->發(fā)出培訓(xùn)確認(rèn)函
4、備注:如課程已過(guò)期,請(qǐng)?jiān)L問(wèn)我們的網(wǎng)站,查詢最新課程
5、詳細(xì)資料請(qǐng)?jiān)L問(wèn)北京曼頓培訓(xùn)網(wǎng):www.mdpxb.com (每月在全國(guó)開(kāi)設(shè)四百多門(mén)公開(kāi)課,歡迎報(bào)名學(xué)習(xí))