专栏名称: 技术最前线
最新技术和业界动态,就在技术最前线
目录
相关文章推荐
雷峰网  ·  国补「续命」,京东「重生」 ·  18 小时前  
新浪科技  ·  【#苹果Siri智能化遇挑战#】#Siri部 ... ·  3 天前  
51好读  ›  专栏  ›  技术最前线

大牛带你打开深度学习的大门

技术最前线  · 公众号  · 科技媒体  · 2017-09-07 12:08

正文

立即参团


原价 ¥899.00


100人以上 ¥399.00

目前已达最低价

文末加客服二维码参团


《深度学习》第五期


课程简介:

本次的深度学习课程主要包括三大部分:

1) 深度学习核心原理。了解深度学习运行的最核心数学原理,从而对后续的知识点扩展,模型设计,与优化技能打下基础。

2) 深度学习知识点连接。会涵盖主流的深度学习研究工程应用中碰到的大部分知识点,与大部分学习资料孤立进行知识点介绍不同,会结合主讲人自身总结找到主要知识点之间的联系,便于系统掌握与后续学习。

3) 介绍不同知识点的代表应用。结合所学的原理以及实例,讲解近期较为重要的图像与语言领域的应用, 如增 强学习(Reinforcement Learning),迁移学习(Transfer Learning),无监督式学习(Unsupervised Learning)下的生成式对抗网络(Generative Adverserial Networks, GANs),注意力机制模型(Attention Model) 等, 方便学员针对自身兴趣的目标进行强化训练提升。

主讲老师:

戎雪健 美国纽约城市大学博士

研究领域包括深度学习,计算机视觉,与图像处理等,尤其是自然场景文字检测与识别方向。在CVPR,ECCV等顶级会议上发表了多篇学术论文,同时他还是CVPR,ICCV,BMVC,WACV等重要视觉会议以及TMM,TIP,CVIU,JVCI等期刊的审稿人。

开课时间: 2017年9月9日

学习方式:

在线直播,共10次

每周2次( 周六、日晚上20:00-22:00

直播后提供录制回放视频,在线反复观看,有效期1年

课程大纲

第一课:深度学习的总体介绍

1. 神经网络:从传统到现代

2. 深度学习应用特点

3. 深度学习发展方向

4. 深度学习流行框架比较 :用TensorFlow进行课程实例学习与工程部署

5. 实例:深度学习环境配置,TensorFlow基础/进阶/示例,PyTorch基础


第二课:传统神经网络

1. 神经网络起源:线性回归

2. 从线性到非线性:非线性激励

3. 神经网络的构建:深度广度复杂度扩展

4. 神经网络的“配件”:损失函数,学习率,动量,过拟合等

5. 多层感知器

6. 实例: 线性回归与逻辑回归模型 (TensorFlow, PyTorch)


第三课: 卷积神经网络:基础篇

1. 链式反向梯度传导

2. 卷积神经网络-卷积层:正向反向推导

3. 卷积神经网络-功能层:激活函数,降维,归一化,池化,区域分割

4. 实例:简单卷积神经网络训练与运行 (TensorFlow, PyTorch)



第四课: 卷积神经网络:高级篇

1. AlexNet:最早的现代神经网络

2. VGG,GoogleNet,ResNet,DenseNet: 近期的高级卷积网络模型

3. U-Net:深度图片生成网络

4. 实例:利用预训练模型进行物体分类/特征提取 (TensorFlow, PyTorch)


第五课:卷积神经网络:目标分类与识别

1. 目标分类与识别任务介绍

2. 传统分类识别方法总结

3. ImageNet与PASCAL VOC数据库

3. 迁移学习

4. 个人研究分享:如何设计新的的网络

5. 实例训练:物体识别/场景识别/文字识别 (TensorFlow)


第六课: 卷积神经网络:目标检测与追踪

1. 目标检测与追踪任务介绍

2. 基于手动设计特征的传统目标检测追踪方法总结

3. 目标检测:RCNN,Fast-RCNN,Faster-RCNN, FPN系列

4. 目标检测:YOLO,SSD,YOLO9000系列

5. 目标追踪:Hierarchical Features, Tracking with FCNs系列

6. TensorFlow官方目标检测接口:Object Detection API

7. 个人研究分享: 自然场景文本检测识别领域的最新方法与动向

8. 实例:目标检测模型训练/部署 (TensorFlow)


第七课:卷积神经网络:目标分割

1. 目标分割任务介绍

2. 传统图片分割方法总结

3. 全卷积网络

4. 图像语义分割

5. 图像实例分割

6. 目标分割:FCIS, Mask-RCNN系列

7. 业界应用 :目标分类/检测/分割模型在自动驾驶与无人车中的应用

8. 实例:目标分割模型训练/部署 (TensorFlow)


第八课: 循环神经网络

1. RNN基本原理

2. 改进版RNN:门限循环单元

3. 改进版RNN:长短期记忆单元

4. 语言特征提取

5. 编码器 + 解码器结构

6. 注意力机制模型

7. 图片标注:学会看图说话

8. 图片问答:学会看图推理







请到「今天看啥」查看全文