系统掌握深度学习,从入门到精通实战 | 录播 + 直播 报名中
¥4999 (原价¥6999)

课程介绍


基础篇

高级篇

完整学习该课程

技术应用背景

  • 深度学习是通向人工智能的必经之路,也是实现未来社会远景的必备基础。无论是以 4:1 的成绩战胜世界冠军李世石的 AlphaGo、特斯拉的自动驾驶汽车,还是 iPhone 里的 Siri 助手、电商网站推荐系统等,背后都有深度学习技术大展身手。

  • DT 时代的程序员即使不亲自负责开发和维护深度学习系统,在工作中也会难免与之产生交集,尤其是数据挖掘、Antispam、推荐系统和广告系统等领域的从业人员。事实上,在人工智能的时代大潮中,任何人都应该掌握一点深度学习技术,因为这是不可避免的未来。

  • 所以,StuQ 特邀请资深大数据技术专家,《白话大数据与机器学习》作者、拥有丰富实战经验的高扬老师担任课程出品人,共同推出了《深度学习从入门到精通实战》课程,通过由浅入深的理论知识讲解和实操代码实现人工智能经典实战案例,帮助学员降低学习门槛,更高效掌握深度学习核心技能。

课程介绍

  • 本课程从机器学习基本原理与视角开始,系统讲解机器学习整体工作方式、深度学习工作方式及其本质原理。通过实操传授方式,带领学员完成深度学习系统的安装、调试、工作落地、算法实现等工程实战内容。

课程特点

  • 由浅入深讲解必备理论知识

  • 丰富的实战案例深度讲解

  • 实操演练,给出全部代码实现

大咖导师


欢聚时代资深大数据专家,曾在西山居做紫霞大数据系统建设,为北京甲骨文实训基地2015、2016届大数据讲师,已出版《白话大数据与机器学习》,即将出版《白话深度学习与Tensorflow》《数据科学家养成手册》,运营有微信订阅号“奇点”,主要从事从事大数据、机器学习、深度学习,数据分析等领域。


卫峥,欢聚时代高级软件架构师,《白话大数据与机器学习》作者。多年的软件开发和架构经验,精通 C/C++、Python、Golang、JavaScript 等多门编程语言。近几年专注于数据处理、机器学,深度学习算法的研究、应用与创新产品的研发。曾在新浪网平台架构部负责云音视频转码平台的架构和研发工作,为新浪微博,新浪微盘,秒拍等提供视频在线观看服务。

课程大纲

基础篇理论第 1 课:机器学习基础

  • 统计与朴素贝叶斯

  • 机器学习基本原理

基础篇理论第 2 课:决策树

  • 信息熵

  • 决策树算法

基础篇理论第 3 课:回归与损失函数

  • 线性回归

  • 损失函数

基础篇理论第 4 课:梯度下降与凸优化

  • 凸函数与凸优化

  • 梯度下降算法

  • 随机梯度下降算法

基础篇理论第 5 课:分类器与 SVM

  • 多元线性回归模型

  • 支持向量机 SVM

  • 神经元与激励函数

基础篇理论第 6 课:神经元和线性分类器

  • 激励函数的种类 Sigmoid、Tanh 等

基础篇理论第 7 课:BP 神经网络

  • BP 网络结构

  • 训练原理

基础篇理论第 8 课:卷积神经网络 CNN

  • 卷积核与卷积层

  • 卷积神经网络结构

  • 经典卷积网络模型

基础篇实战第 1 课:常用的软件包和环境配置

  • 常用的软件包

  • 环境配置

基础篇实战第 2 课:环境配置详解

  • GPU 环境配置详解

  • 深度学习框架配置详解

基础篇实战第 3 课:梯度下降算法的实现

  • Python 实现算法

基础篇实战第 4 课:神经网络手写数字识别

  • Mnist 数据集来识别手写数字

基础篇实战第 5 课:反向传播算法的实现(Python)

  • Python 实现算法

基础篇实战第 6 课:提高版本的手写数字识别识别

  • Python 实现算法

基础篇实战第 7 课:卷积神经网络 (CNN) 实现(上)(Python)

  • Python 实现算法

基础篇实战第 8 课:卷积神经网络 (CNN) 实现(下)(Python)

  • Python 实现算法

高级篇理论第 1 课:梯度消失问题和激励函数选择

  • 梯度消失问题

  • ReLu 激励函数

高级篇理论第 2 课:隐马尔可夫模型

  • HMM 模型

  • 维特比算法、前向算法、后向算法

高级篇理论第 3 课:循环神经网络 RNN

  • 标准 RNN

  • LSTM

高级篇理论第 4 课:OverFitting

  • 过拟合 / 欠问题的原因

  • 通过 Validation 解决过拟合问题

高级篇理论第 5 课:Regulization 和 DropOut

  • 正则化的优势与实现方法

  • DropOut 的优势与实现方法

高级篇理论第 6 课:玻尔兹曼机与 Encoder/Decoder

  • 玻尔兹曼机原理

  • 玻尔兹曼机用途

高级篇理论第 7 课:深度残差网络

  • 深度残差网络结构

  • 深度残差网络应用介绍

高级篇理论第 8 课:总结与扩展

  • 遗传算法(启发式优化)

  • 论文与其它文献

  • 源代码共享

高级篇实战第 1 课:循环神经网络 (RNN) 实现

  • Python 实现算法

高级篇实战第 2 课:循环神经网络 (LSTM) 实现

  • Python 实现算法

高级篇实战第 3 课:使用卷积神经网络 (CNN) 对图片进行分类 (Caffe)

  • Caffe 和 Cifar-10 数据集来实现

高级篇实战第 4 课:使用卷积神经网络 (CNN) 对图片进行分类 (Tensorflow)

  • Google Tensorflow 和 Cifar-10 数据集来实现

高级篇实战第 5 课:使用循环神经网络 (RNN) 自动生成文本 (Caffe)

  • Caffe 来实现

高级篇实战第 6 课:使用循环神经网络 (RNN) 自动生成文本 (Tensorflow)

  • Google Tensorflow 来实现

高级篇实战第 7 课:使用卷积神经网络 (CNN) 把照片模仿出著名艺术家画的风格 (Tensorflow)

  • Google Tensorflow 来实现

高级篇实战第 8 课:人脸识别 (Tensorflow)

  • Google Tensorflow 来实现


综合实战篇(直播讲解+互动答疑)

本部分内容,高扬老师将通过直播形式,以一个有趣的实战项目「斗地主机器人」为例讲解深度学习卷积网络的应用实践流程和经验。

综合实战篇第 1 课: 卷积网络实现斗地主机器人——理论部分

综合实战篇第 2 课: 卷积网络实现斗地主机器人——实战部分

课后收获

  • 机器学习基本原理
  • 深度学习基本原理
  • 深度学习框架的搭建方法
  • 深度学习处理问题的训练方法和验证方法
  • 深度学习工作中的问题以及解决方法

适用人群

  • 对深度学习方向有浓厚兴趣,有一定的编程基础,希望转深度学习方向的工程人员

联系我们