课程目录:人力资源 | 招聘面试 | 档案管理 | 绩效薪酬培训 | 合同保险法 | 中高层管理培训 | 党务工会课程 | 行政秘书 | 生产管理 | 工时管理 | TPM设备管理 | 安全-环境-健康 | 班组长 | 销售、营销 | 客户服务 | 微信抖音运营 | 店长培训班 | 电子商务 | 预算成本培训 | 内部控制审计、纪检监察 | 财税管理培训 | 投融资管理 | 产品管理 | 项目管理 | 招投标培训 | 仓储管理 | 采购物流 | 商务礼仪 | 企业流程管理 | 战略管理 | 商业模式 | 监事会 | 董事会 | 国外考察 | 危机管理 | 企业考察、企业文化、新闻 | 质量品质 | 品牌管理 | 培训师 | 团队管理 | 领导力培训 | 执行力培训 | 沟通、演讲 | 办公技能 | 综合管理 | 股权激励 | 建筑工程 | 清华北大 | 跟单员 | 职业素养 | 谈判技巧 | 内审员 | 国际贸易 | 沙盘模拟 | 国学养生 | 电子电路课程 | 公文写作技巧 | 研发知识产权 | 固定资产 | 账款回收管理 | 职业资格 | 服装行业 | 情绪管理 | 心理学 | 经销商管理 | 经营与运营管理 | 从技术走向管理 | 酒店管理 | 九型人格 | 网络信息、软件工程、大数据 | 医院管理培训 | 燃气企业课程 | 各大院校学生复习资料 | 其它课程 |
基本信息
咨询电话:010-62885261 13051501222
【开课时间】2023年03月23日-2023年03月25日
【培训师资】专家
【课程费用】¥7,800
【培训地区】北京 - 北京
【人 气 度】219次
【课件下载】点击下载课程纲要Word版
课程内容
关于举办 “人工智能与深度学习实践”培训班的通知
地点 | 北京 | 杭州 | 成都 |
时间 | 3月23-25 | 4月27-29 | 6月18-20 |
培训费7800元/人
培训内容
内容模块 | 课程介绍 | 授课详细内容 | |
模块一 | 人工智能概述 | 1.人工智能——世纪对弈 lAlphaGo围棋胜利的深度透视 lAlphaGo的身世 lAlphaGo的算法秘密以及三代AlphaGo技术对比 l对弈的意义 lAI发展的意义 2.人工智能发展概况 l什么是智能 l什么是人工智能 (AI) lAI研究的方法和途径. lAI的历史. lAI的研究特点 l人工智能学科体系 3.人工智能中人文趣事 l图灵(Turing) 赫伯特·西蒙(Herbert Simon) | |
模块二 | 人工智能基本原理及应用 | 1.人工智能数学知识 l线性代数 ü标量、向量、矩阵和张量 ü矩阵和向量相乘 ü单位矩阵和逆矩阵 ü线性相关和生成子空间 ü范数 ü特殊类型的矩阵和向量 ü特征分解 ü奇异值分解 l概率与信息论 ü随机变量 ü概率分布 ü离散型变量和概率质量函数 ü连续型变量和概率密度函数 ü边缘概率 ü条件概率 ü条件概率的链式法则 ü独立性和条件独立性 ü期望、方差和协方差 ü常用概率分布 üBernoulli分布 üMultinoulli分布 ü高斯分布 ü指数分布和Laplace分布 üDirac分布和经验分布 ü分布的混合 ü常用函数的有用性质 ü贝叶斯规则 ü连续型变量的技术细节 ü信息论 ü结构化概率模型 l数值计算 ü上溢和下溢 ü病态条件 ü基于梯度的优化方法 ü梯度之上:Jacobian和Hessian矩阵 ü约束优化 2.人工智能基础知识 l知识表示的概念 l知识的特性 l知识的分类 l知识表示的方法 l推理的定义 lAgent 3.智能机器人 l专家系统 l服务机器人 l工业机器人 l达芬奇机器人 | |
模块三 | 机器学习技术 | 1.学习算法 l任务T l性能度量P l经验E l示例:线性回归 2.容量、过拟合和欠拟合 l没有免费午餐定理 l正则化 3.超参数和验证 l交叉验证 4.估计、偏差和方差 l点估计 l偏差 l方差和标准差 l衡偏差和方差以最小化均方误差 l一致性 5.大似然估计 l条件对数似然和均方误差 l大似然的性质 6.贝叶斯统计 l大后验(MAP)估计 7.监督学习算法 l概率监督学习 l支持向量机 l其他简单的监督学习算法. 8.无监督学习算法. l主成分分析 lk-均值聚类 9.增强学习 10.随机梯度下降 11.构建机器学习算法 12.促使深度学习发展的挑战 l维数灾难 l局部不变性和平滑正则化 l流形学习 13.人工神经网络及其应用 l神经网络的发展简史 l神经元数学模型 l神经网络的分类 l神经网络的学习算法 l神经网络的特征 14.遗传算法及其应用 | |
模块四 | 深度网络 | 四、深度网络 1.深度前馈网络 l实例:学习XOR l基于梯度的学习 ü代价函数 ü输出单元 l隐藏单元 ü整流线性单元及其扩展 üLogistic sigmoid与双曲正切函数 ü其他隐藏单元 l架构设计 ü多能近似性质和深度 ü其他架构上的考虑 l反向传播和其他的微分算法. ü计算图 ü微积分中的链式法则 ü递归地使用链式法则来实现反向传播 ü全连接MLP中的反向传播计算 ü符号到符号的导数 ü一般化的反向传播 ü实例:用于MLP训练的反向传播 ü复杂化 ü深度学习界以外的微分 ü高阶微分 l历史小记 2.深度学习中的正则化 l参数范数惩罚 üL2参数正则化 ü正则化 l作为约束的范数惩罚 l正则化和欠约束问题 l数据集增强 l噪声鲁棒性 ü向输出目标注入噪声 l半监督学习 l多任务学习 l提前终止 l参数绑定和参数共享. l卷积神经网络 l稀疏表示. lBagging和其他集成方法 lDropout l对抗训练. l切面距离、正切传播和流形正切分类器 3.深度模型中的优化 l学习和纯优化有什么不同 ü经验风险*小化 ü代理损失函数和提前终止 ü批量算法和小批量算法 l神经网络优化中的挑战 ü病态 4.深度学习常见网络 | |
模块五 | 深度学习必备框架 | 1. Tensorflow基础操作 2. Tensorflow建立机器学习模型 3. Tensorflow神经网络详解 4. 基于Tensorflow的CNN与RNN模型 5. Caffe框架配置参数详解 6. Caffe两种常用数据源制作 7. Caffe技巧与应用 深度学习两大神器Caffe与Tensorflow实战,代码示例演示如何应用框架进行深度学习建模任务。 | |
模块六 | 深度学习项目实战(一) | 1. 验证码识别(基于Tensorflow) 2. 文本分类(基于Tensorflow) 3. 图像风格转换(基于Tensorflow) | |
模块七 | 深度学习项目实战(二) | 4. 词向量模型Word2vec(基于Tensorflow) 5. 强化学习让AI自己玩游戏(基于Tensorflow) 6. 人脸检测(基于Caffe) 7. 人脸关键点定位(基于Caffe) 基于深度学习框架Tensorflow与Caffe从数据源制作开始进行数据预处理与网络模型训练,完整演示如何应用深度学习到实际任务中。 |
联系方式:中企联企业培训网 咨询电话:010-62885261 传真:010-62885218 联 系 人:潘洪利 13051501222 电子邮箱:phL568@163.com 网 址:www.zqLpx.com |
网上在线报名
您可能还对以下课程感兴趣