 班級規模及環境--熱線:4008699035 手機:15921673576( 微信同號) |
|
每期人數限3到5人。 |
| 上課時間和地點 |
開課地址：【上海】同濟大學(滬西)/新城金郡商務樓(11號線白銀路站)【深圳分部】：電影大廈(地鐵一號線大劇院站) 【武漢分部】：佳源大廈【成都分部】：領館區1號【沈陽分部】：沈陽理工大學【鄭州分部】：錦華大廈【石家莊分部】：瑞景大廈【北京分部】：北京中山學院 【南京分部】：金港大廈
最新開班 (連續班 、周末班、晚班）：2020年3月16日 |
| 實驗設備 |
☆資深工程師授課
☆注重質量
☆邊講邊練
☆合格學員免費推薦工作
★實驗設備請點擊這兒查看★ |
| 質量保障 |
1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
3、培訓合格學員可享受免費推薦就業機會。 |
課程大綱 |
| |
- 第1章深度學習概述
1-1深度學習？深在哪里？！
1-2課程內容介紹
1-3如何選擇各類深度學習模型
1-4圖像的數據表示
1-5圖像與數據的互相轉換
1-6MNIST數據集介紹
1-7CIFAR-10數據集介紹
1-8什么是張量？
1-9本課程代碼課件及數據
第2章準備軟件環境
2-1Python常用IDE簡介
2-2Anaconda的安裝與配置
2-3Jupyter Notebook的基本操作
2-4Keras+TensorFlow組合的優勢
2-5Keras+TensorFlow組合的安裝
第3章神經網絡模型入門
3-1神經網絡的基本原理
3-2神經網絡原理的具體演示
3-3神經網絡的算法實質
3-4神經網絡的連接函數
3-5損失函數與凸函數
3-6控制模型復雜度：正則化
3-7損失函數的求解：梯度下降法
3-8損失函數的求解：自適應算法
第4章Keras操作入門
4-1Keras的基本操作步驟
4-2Keras操作的常用命令
4-3IRIS分析實例
4-4模型的可視化
4-5模型的終止訓練、保存與載入
4-6模型的修改
4-7將Keras與sklearn結合使用
4-8用Keras擬合MNIST案例
第5章卷積神經網絡
5-1什么是卷積？
5-2CNN的基本原理
5-3CNN網絡的結構
5-4Keras中和CNN有關的層設定
5-5MNIST實例的CNN實現
5-6對CIFAR10案例擬合簡單CNN模型
5-7對CIFAR10案例擬合復雜CNN模型
第6章圖像預處理
6-1缺少源數據對建模的影響
6-2定義所需的圖像變換方法
6-3直接生成變換后的圖像數據
6-4流式數據處理
6-5圖像的縮放操作
第7章遷移學習
7-1為什么需要遷移學習？
7-2LeNet和AlexNet
7-3VGG
7-4ResNet
7-5GoogleNet
7-6Xception、DenseNet和NasNet
7-7Keras提供的預訓練模型
7-8直接應用原模型預測
7-9利用原模型對數據做預處理
7-10Keras的函數式API
7-11在原模型的基礎上繼續訓練
第8章循環神經網絡1
8-1RNN的基本原理
8-2RNN的模型分類
8-3RNN相關的網絡層定義
8-4用RNN擬合MNIST案例
8-5用RNN擬合IMDB案例
第9章長短期記憶網絡
9-1LSTM的基本原理
9-2用LSTM擬合IMDB案例
9-3自動寫作案例：數據準備
9-4自動寫作案例：模型擬合
9-5GRU的基本原理
9-6用GRU擬合IMDB案例
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業