深度学习作为实现机器学习的技术,拓展了人工智能领域范畴,主要应用于图像识别、语音识别、自然语言处理。推动市场从无人驾驶和机器人技术行业扩展到金融、医疗保健、零售和农业等非技术行业,因此掌握深度学习的AI工程师成为了各类型企业的招聘热门岗位。
技术紧跟市场需求,落地领域宽泛,不限于语音识别、图像识别、机器对话等前沿技术,涵盖行业内75%技术要点,满足各类就业需求
直面人工智能行业标准制定者,中科院人工智能领域专家全程直播教学,亲自指导授课和实践
中科院人工智能专家倾力研发,真实企业级项目实操,项目循序渐进,以实操贯穿理论,避免纸上谈兵,助力跻身人工智能领域专家
深度学习的应用成果
单层/深度学习与机器学习
人工智能的关系及发展简史
AI行业前沿技术及成果概述
梯度下降优化方法
前馈神经网络的基本结构和训练过程
反向传播算法
TensorFlow开发环境安装
“计算图”编程模型
深度学习中图像识别的操作原理
项目采用深度卷积神经网络实现手写数字图片的分类
语言模型及词嵌入
词嵌入的学习过程
循环神经网络的基本结构
时间序列反向传播算法
长短时记忆网络(LSTM)的基本结构
LSTM实现语言模型
项目采用深度循环神经网络实现文学作品语言的特征抽取和向量化表示
生成式对抗网络(GAN)的基本结构和原理
GAN的训练过程
GAN用于图片生成的实现
项目采用生成式对抗网络实现人脸图片的生成
多GPU并行实现
分布式并行的环境搭建
分布式并行实现
采用深度学习的分布式技术,将上一阶段的项目进行分布式处理,实现分布式GAN人脸图片生成
强化学习介绍
智能体Agent的深度决策机制(上)
智能体Agent的深度决策机制(中)
智能体Agent的深度决策机制(下)
基于深度强化学习技术实现迷宫游戏智能体决策生成机制,使计算机自主完成迷宫游戏
数据集介绍及项目需求分析
OpenCV库介绍及车牌定位
车牌定位
车牌识别
学员项目案例评讲
项目源于企业实际需求,包括数据的处理分析,深度学习模型架构的设计、调试及优化,识别结果的分析等多个阶段,具备完整的企业级项目的开发流程,采用图像处理与深度学习综合运用实现车牌识别
深度学习前沿技术简介
元学习
迁移学习等
结合前沿论文介绍深度学习方向、解决思路以及遇到的困难