課程目標(biāo)：
?
通過學(xué)習(xí)，了解機器學(xué)習(xí)、深度學(xué)習(xí)的一般概念；了解機器學(xué)習(xí)、深度學(xué)習(xí)的歷史、基本理論，典型模型，常用算法；了解機器學(xué)習(xí)及深度學(xué)習(xí)的開發(fā)流程，涉及到到的工具，平臺，調(diào)試方法等，了解深度學(xué)習(xí)的基本框架結(jié)構(gòu)，caffe、tensorflow，keras等。并了解一些前沿技術(shù)發(fā)展變化趨勢。
?
課程收益：
?
1.?掌握深度學(xué)習(xí)運行環(huán)境搭建；
2.?掌握深度模型訓(xùn)練和優(yōu)化流程；
3.?熟知深度學(xué)習(xí)模型結(jié)構(gòu)；
4.?在開源平臺訓(xùn)練進(jìn)行實戰(zhàn)體驗；
5.?掌握算法移植到定制芯片的整個流程。
?
授課方式
?
講師講解、互動答疑、上機實踐
?
課程大綱：
?
主題 內(nèi)容
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
2、?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)
3、?深度學(xué)習(xí)的前生今世、發(fā)展趨勢
4、?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
深度學(xué)習(xí)Deep Learning基本框架結(jié)構(gòu) 1.?Caffe介紹
a)?軟件架構(gòu)
b)?安裝以及使用方法
2.?Tensorflow介紹
a)?軟件架構(gòu)
b)?安裝以及使用方法
3.?Keras介紹
a)?軟件架構(gòu)
b)?安裝以及使用方法
4.?虛擬機安裝以及使用
機器學(xué)習(xí)概要介紹
? 1.?分類分析算法介紹
a)?貝葉斯概率
b)?決策樹算法族
c)?隨機森林
d)?支持向量機
2.?回歸算法介紹
a)?多元線性回歸
b)?邏輯回歸
3.?聚類分析算法介紹
a)?K-means聚類
b)?層次聚類
4． 上機實戰(zhàn)
深度學(xué)習(xí)介紹 1.?神經(jīng)網(wǎng)絡(luò)目的
2.?神經(jīng)網(wǎng)絡(luò)的應(yīng)用場景
3.?神經(jīng)網(wǎng)絡(luò)算法介紹
a)?感知機
b)?反向傳播算法
4.?深度學(xué)習(xí)算法介紹
a)?隨機梯度下降算法
b)?過擬合與欠擬合
c)?卷積神經(jīng)網(wǎng)絡(luò)
d)?自動編碼器
e)?稀疏編碼
f)?限制波爾茲曼機
g)?循環(huán)神經(jīng)網(wǎng)絡(luò)以及LSTM
5.?應(yīng)用介紹
a)?人臉識別
b)?風(fēng)格轉(zhuǎn)換
c)?目標(biāo)檢測
6.?常見模型結(jié)構(gòu)介紹
a)?Alexnet
b)?VGG
c)?Resnet
d)?GoogleNet
e)?SqueezeNet
f)?FCN
7.?上機實戰(zhàn)
前沿技術(shù)介紹 1.?強化學(xué)習(xí)
a)?強化學(xué)習(xí)的理論知識
b)?經(jīng)典模型DQN講解
c)?AlphaGo原理講解
2.?對抗性生成網(wǎng)絡(luò)
d)?GAN的理論知識 ??
e)?GAN經(jīng)典模型CGAN，LAPGAN，DCGAN
f)?GAN實際應(yīng)用
3.?遷移學(xué)習(xí)
g)?遷移學(xué)習(xí)的理論概述
h)?遷移學(xué)習(xí)的常見方法
4.?上機實戰(zhàn)
算法移植介紹及討論 1．?算法單元介紹
a)?卷積
b)?Pooling
c)?激活函數(shù)
d)?數(shù)據(jù)結(jié)構(gòu)
2．?移植問題討論
