北京AI工程师培训班

课程名称：AI工程师

课程类目：人工智能

课程类型：正式课

授课形式：现场+远程

免费试听：是

适合基础：有一定基础

上课人数：40

班级名称：高级班

上课时间：周一到周五8-17点

开班时间：每月开课

课时数量：720

课程亮点

朝九晚九全程跟班答疑、一对一督学、定期直播串讲、五分钟内有问必答、出勤率和进度监督、作业与测试

学习目标

熟悉AI工具，包括TensorFlow、Keras、Caffe、PyTorch

熟悉深度学习应用

熟悉CNN、RNN、Faster RCNN等深度神经网络模型，并掌握其相关的优化算法

了解深度学习高级算法，包括卷积神经网络、循环神经网络等

掌握优化算法和高性能计算方法

掌握NLP自然语言处理一 线行业案例

掌握计算机视觉图像识别一 线行业案例

课程内容

01章预备知识：图像识别方法的演进基础

01-01开发环境配置：Anaconda环境和MXNet

01-02深度学习简介：起源、特点和发展

01-03计算机视觉概述

01-04数据操作

01-05自动求梯度

01-06图像识别的演进

01-07线性回归与线性回归的实现

01-08线性模型：对数线性二分类、多分类

01-09独热和稠密度向量表示

01-10softmax回归与实现

01-10基于深度学习的图像识别技术发展

02章深度学习基础知识

01-01线性模型的局限性：异或问题

01-02非线性输入转换、核方法、可训练的映射函数

01-03感知机和多层感知机的实现

01-04模型选择、欠拟合过拟合问题

01-05权重衰减和丢弃法

01-06实战案例：房价预测模型

01-07神经网络基础

01-08前馈神经网络、BP神经网络

01-09神经网络的训练

01-10深度学习计算

03章卷积神经网络与深度学习

01-01二维卷积层相关运算

01-02填充和步幅

01-03多输入通道和多输出通道

01-04二维Z大池化层和平均池化层

01-05卷积神经网络LeNet模型

01-06深度卷积神经网络AlexNet

01-07使用重复数据的网络

01-08网络中的网络：NIN块和NIN模型

01-09合并行连接的网络

01-10批量归一化

01-11残差网络ResNet模型

01-12稠密度连接网络DeseNet模型

04章循环神经网络与深度学习

01-01语言模型计算

01-02循环神经网络

01-03模型语言数据集

01-04循环神经网络从零开始实现

01-05循环神经网络的简介实现

01-06通过时间反向传播

01-07门控循环单元

01-08长短期记忆

01-09深度循环神经网络

01-10双向循环神经网络

05章优化算法与深度学习

01-01优化与深度学习的关系

01-02梯度下降和随机梯度下降

01-03小批量随机梯度下降

01-04动量法与实现

01-05AdaGrad算法特点与实现

01-06RMSProp算法

01-07AdaDelta算法

01-08Adma算法

06章计算机技术与高性能计算

01-01衡量性能的方法

01-02提高性能性能的各种编程方法

01-03命令式和混合编程

01-04异步计算

01-05自动并行运算

01-06多GPU运算

07章AI应用方向之计算机视觉

01-01使用图像增广训练模型

01-02微调:热狗识别

01-03目标检测和边界框

01-04计算机视觉：锚框生成

01-05多尺度目标检测

01-06目标检测数据集：皮卡丘

01-07单发多框检测：SSD

01-08卷积神经网络系列：R-CNN

01-09语意分割和数据集

01-10全卷积网络

01-11样式迁移

08章计算机视觉案例：Kaggle图像识别

01-01案例1:图像分类

01-02案例2:狗的品种

01-03step1:获取和整理数据集

01-04step2:图像增广

01-05step3:读取数据集

01-06step4:定义模型

01-07step5:定义训练函数

01-08step6:训练模型

09章AI应用方向之NLP自然语言处理

01-01词嵌入和连续词袋模型

01-02近似训练：负采样、层序softmax

01-03word2vec的实现

01-04子词潜入：fastText

01-05全局向量的词潜入：GloVe

01-06求近义词和类比词

01-07文本情感分类：使用循环神经网络

01-08文本情感分类：使用卷积神经网络（textCNN）

01-09编码器、解 码 器

01-10贪婪搜索、全局搜索、束搜索

01-11注意力机制

10章NLP自然语言处理案例

01-01案例1:机器人翻译

01-02step1:读取和与处理数据集

01-03step2:含注意力机制的编码器-解 码 器

01-04step3:训练模型

01-05step4:预测不定长的序列

01-06step5:评价翻译结果

01-07唐诗生成器

01-08step1:定义输入数据

01-09step2:定义多层LESTM模型

01-10step3:定义损失函数

01-11step4:训练模型生成文字

01-12step5:更多参数说明

01-13step6:运行自己的数据