本學(xué)習(xí)培訓(xùn)實(shí)踐活動(dòng)與基礎(chǔ)理論并舉,根據(jù)基礎(chǔ)理論解讀,算法論述,算法可用情景,實(shí)例分析和編號(hào)實(shí)踐活動(dòng),及其對(duì)全新的人工智能算法的發(fā)展趨勢(shì)和網(wǎng)絡(luò)的剖析和詳細(xì)介紹,使學(xué)生不但把握機(jī)器學(xué)習(xí),人工智能行業(yè)常見(jiàn)算法,并且能夠 在實(shí)戰(zhàn)演練中運(yùn)用機(jī)器學(xué)習(xí)人工智能處理工作上的具體難題,進(jìn)而協(xié)助公司在人工智能時(shí)期技?jí)喝盒壅嫉弥鲃?dòng)權(quán)。
課程大綱:
1人工智能和機(jī)器學(xué)習(xí)概述
人工智能發(fā)展歷程
應(yīng)用領(lǐng)域概述:如圖像識(shí)別技術(shù),文本分析,算法
近期成效概述:如增強(qiáng)學(xué)習(xí),生成式對(duì)抗網(wǎng)絡(luò),根據(jù)低動(dòng)能的互聯(lián)網(wǎng),one-shotleaning
軟件框架概述,如sparkML,sklean,tensorflow,caffe,Theano
2卷積和神經(jīng)元網(wǎng)絡(luò)CNN
卷積和神經(jīng)元網(wǎng)絡(luò)歷史時(shí)間
AlexNet,ResNet,googleNet詳細(xì)介紹
卷積層詳細(xì)介紹
池化層
全連接層
VisualizingConvNet
BP算法
DropOut正則化
TensorFlow撰寫(xiě)CNN
常見(jiàn)主要參數(shù)詳細(xì)介紹和CNN優(yōu)化
3循環(huán)系統(tǒng)神經(jīng)元網(wǎng)絡(luò)RNN
RNN運(yùn)用概述
時(shí)間序列分析LSTM實(shí)體模型
自然語(yǔ)言理解解決基本
雙重RNN與深層RNN
RNN完成實(shí)例
4深層信心互聯(lián)網(wǎng)
貝葉斯概率論
貝葉斯分類(lèi)器
貝葉斯算法信心互聯(lián)網(wǎng)
Word2VecNetwork
Auto-encoder/PCA
5根據(jù)動(dòng)能的互聯(lián)網(wǎng)
HopfieldNetwork
玻爾茲曼機(jī)
受到限制波爾茲曼機(jī)
深層玻爾茲曼機(jī)
SpareCoding
6別的受歡迎深度神經(jīng)網(wǎng)絡(luò)算法
GAN抵抗轉(zhuǎn)化成互聯(lián)網(wǎng)
增強(qiáng)學(xué)習(xí)概述
TransferLearning
7互聯(lián)網(wǎng)大數(shù)據(jù),云計(jì)算技術(shù)與機(jī)器學(xué)習(xí)
數(shù)據(jù)管理平臺(tái)與云計(jì)算服務(wù)
機(jī)器學(xué)習(xí)與數(shù)據(jù)管理平臺(tái)
并行執(zhí)行算法
大批量梯度下降算法
任意梯度下降算法
小批量生產(chǎn)梯度下降算法
梯度下降算法的監(jiān)管與較為