 班級(jí)規(guī)模及環(huán)境--熱線(xiàn):4008699035 手機(jī):15921673576( 微信同號(hào)) |
|
每期人數(shù)限3到5人。 |
| 上課時(shí)間和地點(diǎn) |
開(kāi)課地址：【上海】同濟(jì)大學(xué)(滬西)/新城金郡商務(wù)樓(11號(hào)線(xiàn)白銀路站)【深圳分部】：電影大廈(地鐵一號(hào)線(xiàn)大劇院站) 【武漢分部】：佳源大廈【成都分部】：領(lǐng)館區(qū)1號(hào)【沈陽(yáng)分部】：沈陽(yáng)理工大學(xué)【鄭州分部】：錦華大廈【石家莊分部】：瑞景大廈【北京分部】：北京中山學(xué)院 【南京分部】：金港大廈
最新開(kāi)班 (連續(xù)班 、周末班、晚班）：2020年3月16日 |
| 實(shí)驗(yàn)設(shè)備 |
☆資深工程師授課
☆注重質(zhì)量
☆邊講邊練
☆合格學(xué)員免費(fèi)推薦工作
★實(shí)驗(yàn)設(shè)備請(qǐng)點(diǎn)擊這兒查看★ |
| 質(zhì)量保障 |
1、培訓(xùn)過(guò)程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽(tīng)；
2、培訓(xùn)結(jié)束后,授課老師留給學(xué)員聯(lián)系方式,保障培訓(xùn)效果,免費(fèi)提供課后技術(shù)支持。
3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。 |
課程大綱 |
| |
- 第1章深度學(xué)習(xí)概述
1-1深度學(xué)習(xí)？深在哪里？！
1-2課程內(nèi)容介紹
1-3如何選擇各類(lèi)深度學(xué)習(xí)模型
1-4圖像的數(shù)據(jù)表示
1-5圖像與數(shù)據(jù)的互相轉(zhuǎn)換
1-6MNIST數(shù)據(jù)集介紹
1-7CIFAR-10數(shù)據(jù)集介紹
1-8什么是張量？
1-9本課程代碼課件及數(shù)據(jù)
第2章準(zhǔn)備軟件環(huán)境
2-1Python常用IDE簡(jiǎn)介
2-2Anaconda的安裝與配置
2-3Jupyter Notebook的基本操作
2-4Keras+TensorFlow組合的優(yōu)勢(shì)
2-5Keras+TensorFlow組合的安裝
第3章神經(jīng)網(wǎng)絡(luò)模型入門(mén)
3-1神經(jīng)網(wǎng)絡(luò)的基本原理
3-2神經(jīng)網(wǎng)絡(luò)原理的具體演示
3-3神經(jīng)網(wǎng)絡(luò)的算法實(shí)質(zhì)
3-4神經(jīng)網(wǎng)絡(luò)的連接函數(shù)
3-5損失函數(shù)與凸函數(shù)
3-6控制模型復(fù)雜度：正則化
3-7損失函數(shù)的求解：梯度下降法
3-8損失函數(shù)的求解：自適應(yīng)算法
第4章Keras操作入門(mén)
4-1Keras的基本操作步驟
4-2Keras操作的常用命令
4-3IRIS分析實(shí)例
4-4模型的可視化
4-5模型的終止訓(xùn)練、保存與載入
4-6模型的修改
4-7將Keras與sklearn結(jié)合使用
4-8用Keras擬合MNIST案例
第5章卷積神經(jīng)網(wǎng)絡(luò)
5-1什么是卷積？
5-2CNN的基本原理
5-3CNN網(wǎng)絡(luò)的結(jié)構(gòu)
5-4Keras中和CNN有關(guān)的層設(shè)定
5-5MNIST實(shí)例的CNN實(shí)現(xiàn)
5-6對(duì)CIFAR10案例擬合簡(jiǎn)單CNN模型
5-7對(duì)CIFAR10案例擬合復(fù)雜CNN模型
第6章圖像預(yù)處理
6-1缺少源數(shù)據(jù)對(duì)建模的影響
6-2定義所需的圖像變換方法
6-3直接生成變換后的圖像數(shù)據(jù)
6-4流式數(shù)據(jù)處理
6-5圖像的縮放操作
第7章遷移學(xué)習(xí)
7-1為什么需要遷移學(xué)習(xí)？
7-2LeNet和AlexNet
7-3VGG
7-4ResNet
7-5GoogleNet
7-6Xception、DenseNet和NasNet
7-7Keras提供的預(yù)訓(xùn)練模型
7-8直接應(yīng)用原模型預(yù)測(cè)
7-9利用原模型對(duì)數(shù)據(jù)做預(yù)處理
7-10Keras的函數(shù)式API
7-11在原模型的基礎(chǔ)上繼續(xù)訓(xùn)練
第8章循環(huán)神經(jīng)網(wǎng)絡(luò)1
8-1RNN的基本原理
8-2RNN的模型分類(lèi)
8-3RNN相關(guān)的網(wǎng)絡(luò)層定義
8-4用RNN擬合MNIST案例
8-5用RNN擬合IMDB案例
第9章長(zhǎng)短期記憶網(wǎng)絡(luò)
9-1LSTM的基本原理
9-2用LSTM擬合IMDB案例
9-3自動(dòng)寫(xiě)作案例：數(shù)據(jù)準(zhǔn)備
9-4自動(dòng)寫(xiě)作案例：模型擬合
9-5GRU的基本原理
9-6用GRU擬合IMDB案例
|
首頁(yè) 課程表 在線(xiàn)聊 報(bào)名 講師 品牌 QQ聊 活動(dòng) 就業(yè)