課程亮點(diǎn)：

朝九晚九全程跟班答疑、一對(duì)一督學(xué)、定期直播串講、五分鐘內(nèi)有問(wèn)必答、出勤率和進(jìn)度監(jiān)督、作業(yè)與測(cè)試

學(xué)習(xí)目標(biāo)：

熟悉AI工具，包括TensorFlow、Keras、Caffe、PyTorch

熟悉深度學(xué)習(xí)應(yīng)用

熟悉CNN、RNN、Faster RCNN等深度神經(jīng)網(wǎng)絡(luò)模型，并掌握其相關(guān)的優(yōu)化算法

了解深度學(xué)習(xí)高級(jí)算法，包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等

掌握優(yōu)化算法和高性能計(jì)算方法

掌握計(jì)算機(jī)視覺(jué)圖像識(shí)別一線(xiàn)行業(yè)案例

課程內(nèi)容：

01章預(yù)備知識(shí)：圖像識(shí)別方法的演進(jìn)基礎(chǔ)

01-01開(kāi)發(fā)環(huán)境配置：Anaconda環(huán)境和MXNet

01-02深度學(xué)習(xí)簡(jiǎn)介：起源、特點(diǎn)和發(fā)展

01-03計(jì)算機(jī)視覺(jué)概述

01-04數(shù)據(jù)操作

01-05自動(dòng)求梯度

01-06圖像識(shí)別的演進(jìn)

01-07線(xiàn)性回歸與線(xiàn)性回歸的實(shí)現(xiàn)

01-08線(xiàn)性模型：對(duì)數(shù)線(xiàn)性二分類(lèi)、多分類(lèi)

01-09獨(dú)熱和稠密度向量表示

01-10softmax回歸與實(shí)現(xiàn)

01-10基于深度學(xué)習(xí)的圖像識(shí)別技術(shù)發(fā)展

02章深度學(xué)習(xí)基礎(chǔ)知識(shí)

01-01線(xiàn)性模型的局限性：異或問(wèn)題

01-02非線(xiàn)性輸入轉(zhuǎn)換、核方法、可訓(xùn)練的映射函數(shù)

01-03感知機(jī)和多層感知機(jī)的實(shí)現(xiàn)

01-04模型選擇、欠擬合過(guò)擬合問(wèn)題

01-05權(quán)重衰減和丟棄法

01-06實(shí)戰(zhàn)案例：房?jī)r(jià)預(yù)測(cè)模型

01-07神經(jīng)網(wǎng)絡(luò)基礎(chǔ)

01-08前饋神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)

01-09神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

01-10深度學(xué)習(xí)計(jì)算

03章卷積神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)

01-01二維卷積層相關(guān)運(yùn)算

01-02填充和步幅

01-03多輸入通道和多輸出通道

01-04二維大池化層和平均池化層

01-05卷積神經(jīng)網(wǎng)絡(luò)LeNet模型

01-06深度卷積神經(jīng)網(wǎng)絡(luò)AlexNet

01-07使用重復(fù)數(shù)據(jù)的網(wǎng)絡(luò)

01-08網(wǎng)絡(luò)中的網(wǎng)絡(luò)：NIN塊和NIN模型

01-09合并行連接的網(wǎng)絡(luò)

01-10批量歸一化

01-11殘差網(wǎng)絡(luò)ResNet模型

01-12稠密度連接網(wǎng)絡(luò)DeseNet模型

04章循環(huán)神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)

01-01語(yǔ)言模型計(jì)算

01-02循環(huán)神經(jīng)網(wǎng)絡(luò)

01-03模型語(yǔ)言數(shù)據(jù)集

01-04循環(huán)神經(jīng)網(wǎng)絡(luò)從零開(kāi)始實(shí)現(xiàn)

01-05循環(huán)神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)介實(shí)現(xiàn)

01-06通過(guò)時(shí)間反向傳播

01-07門(mén)控循環(huán)單元

01-08長(zhǎng)短期記憶

01-09深度循環(huán)神經(jīng)網(wǎng)絡(luò)

01-10雙向循環(huán)神經(jīng)網(wǎng)絡(luò)

05章優(yōu)化算法與深度學(xué)習(xí)

01-01優(yōu)化與深度學(xué)習(xí)的關(guān)系

01-02梯度下降和隨機(jī)梯度下降

01-03小批量隨機(jī)梯度下降

01-04動(dòng)量法與實(shí)現(xiàn)

01-05AdaGrad算法特點(diǎn)與實(shí)現(xiàn)

01-06RMSProp算法

01-07AdaDelta算法

01-08Adma算法

06章計(jì)算機(jī)技術(shù)與高性能計(jì)算

01-01衡量性能的方法

01-02提高性能性能的各種編程方法

01-03命令式和混合編程

01-04異步計(jì)算

01-05自動(dòng)并行運(yùn)算

01-06多GPU運(yùn)算

07章AI應(yīng)用方向之計(jì)算機(jī)視覺(jué)

01-01使用圖像增廣訓(xùn)練模型

01-02微調(diào):熱狗識(shí)別

01-03目標(biāo)檢測(cè)和邊界框

01-04計(jì)算機(jī)視覺(jué)：錨框生成

01-05多尺度目標(biāo)檢測(cè)

01-06目標(biāo)檢測(cè)數(shù)據(jù)集：皮卡丘

01-07單發(fā)多框檢測(cè)：SSD

01-08卷積神經(jīng)網(wǎng)絡(luò)系列：R-CNN

01-09語(yǔ)意分割和數(shù)據(jù)集

01-10全卷積網(wǎng)絡(luò)

01-11樣式遷移

08章計(jì)算機(jī)視覺(jué)案例：Kaggle圖像識(shí)別

01-01案例1:圖像分類(lèi)

01-02案例2:狗的品種

01-03step1:獲取和整理數(shù)據(jù)集

01-04step2:圖像增廣

01-05step3:讀取數(shù)據(jù)集

01-06step4:定義模型

01-07step5:定義訓(xùn)練函數(shù)

01-08step6:訓(xùn)練模型

01-01詞嵌入和連續(xù)詞袋模型

01-02近似訓(xùn)練：負(fù)采樣、層序softmax

01-03word2vec的實(shí)現(xiàn)

01-04子詞潛入：fastText

01-05全局向量的詞潛入：GloVe

01-06求近義詞和類(lèi)比詞

01-07文本情感分類(lèi)：使用循環(huán)神經(jīng)網(wǎng)絡(luò)

01-08文本情感分類(lèi)：使用卷積神經(jīng)網(wǎng)絡(luò)（textCNN）

01-09編碼器、解碼器

01-10貪婪搜索、全局搜索、束搜索

01-11注意力機(jī)制

01-01案例1:機(jī)器人翻譯

01-02step1:讀取和與處理數(shù)據(jù)集

01-03step2:含注意力機(jī)制的編碼器-解碼器

01-04step3:訓(xùn)練模型

01-05step4:預(yù)測(cè)不定長(zhǎng)的序列

01-06step5:評(píng)價(jià)翻譯結(jié)果

01-07唐詩(shī)生成器

01-08step1:定義輸入數(shù)據(jù)

01-09step2:定義多層LESTM模型

01-10step3:定義損失函數(shù)

01-11step4:訓(xùn)練模型生成文字

01-12step5:更多參數(shù)說(shuō)明

01-13step6:運(yùn)行自己的數(shù)據(jù)