关于举办“深度学习-基于Tensorflow的实战”培训的通知

xiao147

关于举办“深度学习-基于Tensorflow的实战”培训的通知

时间地点：2017年10月19—20日  北京

学员对象：系统架构师、系统分析师、高级程序员、资深开发人员。

牵涉到网络采集、处理和规划的负责人、设计人员。

费　　用： 5500 元/位

证书：
培训结束，颁发“深度学习-基于Tensorflow的实战”结业证书。


培训目标：
1，全面了解深度学习和Tensorflow的相关知识。
2，学习Tensorflow的核心技术方法以及应用特征。
3，深入使用Tensorflow在深度学习中的使用。


学员基础：
1，对IT系统设计有一定的理论与实践经验。
2，有一定的机器学习基础知识和开发经验。
3，有一定的机器学习与大数据处理的知识。


培训内容：
第1讲 深度学习简介
1) 人工智能、机器学习与深度学习
2) 深度学习的发展历程
3) 深度学习的应用
4) 深度学习工具介绍和对比

第2讲　安装TensorFlow
1) 选择安装环境
2) TensorFlow的安装
3) 安装Jupyter Notebook
4) 安装matplotlib
5) TensorFlow测试样例

第3讲　TensorFlow基础
1) TensorFlow计算模型及计算图
2) TensorFlow数据模型及张量
3) TensorFlow运行模型及会话
4) 神经网络及前向传播算法简介
5) TensorFlow训练神经网络模型

第4讲 深层神经网络
1) 深度学习与深层神经网络
2) 损失函数定义
3) 神经网络优化算法
4) 神经网络学习率的设置
5) 过拟合问题及滑动平均模型

第5讲 MNIST数字识别
1) MNIST数据处理
2) TensorFlow训练神经网络
3) 不同模型效果比较及变量管理
4) TensorFlow模型持久化
5) TensorFlow实践样例

第6讲 图像识别与卷积神经网络
1) 图像识别问题简介及经典数据集
2) 卷积神经网络简介
3) 卷积层和池化层
4) LeNet-5模型和Inception-v3模型
5) TensorFlow实现迁移学习

第7讲 图像数据处理
1) TFRecord输入数据格式
2) TensorFlow图像处理函数
3) 队列与多线程
4) 输入文件队列
5) 组合训练数据（batching）

第8讲 循环神经网络
1) 循环神经网络简介
2) 长短时记忆网络（LTSM）结构
3) 双向循环和深层循环神经网络
4) 样例应用-自然语言建模
5) 样例应用-时间序列预测

第9讲 TensorBoard可视化
1) TensorBoard简介
2) TensorFlow计算图可视化
3) 命名空间与节点信息
4) 监控指标可视化

第10讲 TensorFlow计算加速
1) TensorFlow使用GPU
2) 深度学习训练并行模式
3) 多GPU并行
4) 分布式TensorFlow原理
5) 分布式TensorFlow模型训练


师资
由业界知名大数据专家亲自授课：
杨老师　 主要研究网络信息分析、机器学习以及大数据相关技术，长期从事网络信息处理、机器学习以及大数据分析系统的研究开发工作，主持和参与了多个国家和省部级基金项目，具有丰富的工程实践及软件研发经验。