时间地点:《远程在线培训班正在进行，详情请联系会务组》
2020年12月18日—2020年12月21日 远程在线授课
2020年12月18日—2020年12月21日 北京*机房上课
(第一天全天报到，授课三天，机房上课)
课程体系
深度学习基础和基本思想
1.人工智能概述、计算智能、类脑智能
2.机器学习概述、记忆学习、归纳学习、统计学习
3.深度学习的前生今世、发展趋势
4.人工神经网络、前馈神经网络、BP算法 、Hessian矩阵、结构性特征表示
二、深度学习基本框架结构
1，Tensorflow 2， Caffe 3，Torch 4，MXNet
三，卷积神经网络CNN 1，CNN卷积神经网络
卷积层（一维卷积、二维卷积）、池化层（均值池化、最大池化）
全连接层 激活函数层 Softmax层
2，CNN卷积神经网络改进
R-CNN （SPPNET） Fast-R-CNN Faster-R-CNN （YOLO、SSD）
3，深度学习的模型训练技巧
4，梯度下降的优化方法详解
四，循环神经网络RNN 1，RNN循环神经网络
梯度计算 BPTT
2，RNN循环神经网络改进
LSTM GRU Bi-RNN Attention based RNN
3，RNN实际应用 Seq2Seq的原理与实现
五、强化学习DRL 1，强化学习的理论知识
2，经典模型DQN讲解
2，AlphaGo原理讲解
3，RL实际应用；实现一个AlphaGo
六，对抗性生成网络GAN 1，GAN的理论知识
2，GAN经典模型CGAN，LAPGAN，DCGAN
3，GAN经典模型 INFOGAN，WGAN，S2-GAN
4，GAN实际应用 DCGAN提高模糊图片分辨率
5，GAN实际应用 InfoGAN做特定的样本生成
七、迁移学习TL
迁移学习的理论概述
迁移学习的常见方法
特征、实例、数据、深度迁移、强化迁移、研究案例
八、深度学习算法理论解析
1，基于区域卷积网络RCNN 2，深度残差网络Resnet
3，胶囊网络Capsule 4，长短时记忆网络LSTM
5，注意力机制 6，BP反传算法
7，可变分编码器VAE
九、深度学习实际应用案例操作
1，CNN——》图像分类 2，Lstm——》文本分类
3，Lstm——》命名实体抽取 4，Yolo——》目标检测
5，图像分类(CNN) 6，目标定位和识别(RCNN)
7，图像重建(Auto-encoder) 8，文本识别(RNN)
9，实体标注(LSTM) 10，手写体数字生成(GAN)
11，逻辑回归导出图像分类； 12，静/动态图编写（CNN）
联系方式：
联系人: 栗泽宇 手机：13311241619
电 话：010-56129268 网址：http://www.cnzgrz.org.cn
E_mail：772489244@qq.com 官方QQ：772489244
深度学习之家QQ群群号： 372448770（加群备注：栗泽宇老师邀请）
2020年12月18日—2020年12月21日 远程在线授课
2020年12月18日—2020年12月21日 北京*机房上课
(第一天全天报到，授课三天，机房上课)
课程体系
深度学习基础和基本思想
1.人工智能概述、计算智能、类脑智能
2.机器学习概述、记忆学习、归纳学习、统计学习
3.深度学习的前生今世、发展趋势
4.人工神经网络、前馈神经网络、BP算法 、Hessian矩阵、结构性特征表示
二、深度学习基本框架结构
1，Tensorflow 2， Caffe 3，Torch 4，MXNet
三，卷积神经网络CNN 1，CNN卷积神经网络
卷积层（一维卷积、二维卷积）、池化层（均值池化、最大池化）
全连接层 激活函数层 Softmax层
2，CNN卷积神经网络改进
R-CNN （SPPNET） Fast-R-CNN Faster-R-CNN （YOLO、SSD）
3，深度学习的模型训练技巧
4，梯度下降的优化方法详解
四，循环神经网络RNN 1，RNN循环神经网络
梯度计算 BPTT
2，RNN循环神经网络改进
LSTM GRU Bi-RNN Attention based RNN
3，RNN实际应用 Seq2Seq的原理与实现
五、强化学习DRL 1，强化学习的理论知识
2，经典模型DQN讲解
2，AlphaGo原理讲解
3，RL实际应用；实现一个AlphaGo
六，对抗性生成网络GAN 1，GAN的理论知识
2，GAN经典模型CGAN，LAPGAN，DCGAN
3，GAN经典模型 INFOGAN，WGAN，S2-GAN
4，GAN实际应用 DCGAN提高模糊图片分辨率
5，GAN实际应用 InfoGAN做特定的样本生成
七、迁移学习TL
迁移学习的理论概述
迁移学习的常见方法
特征、实例、数据、深度迁移、强化迁移、研究案例
八、深度学习算法理论解析
1，基于区域卷积网络RCNN 2，深度残差网络Resnet
3，胶囊网络Capsule 4，长短时记忆网络LSTM
5，注意力机制 6，BP反传算法
7，可变分编码器VAE
九、深度学习实际应用案例操作
1，CNN——》图像分类 2，Lstm——》文本分类
3，Lstm——》命名实体抽取 4，Yolo——》目标检测
5，图像分类(CNN) 6，目标定位和识别(RCNN)
7，图像重建(Auto-encoder) 8，文本识别(RNN)
9，实体标注(LSTM) 10，手写体数字生成(GAN)
11，逻辑回归导出图像分类； 12，静/动态图编写（CNN）
联系方式：
联系人: 栗泽宇 手机：13311241619
电 话：010-56129268 网址：http://www.cnzgrz.org.cn
E_mail：772489244@qq.com 官方QQ：772489244
深度学习之家QQ群群号： 372448770（加群备注：栗泽宇老师邀请）
