人工智能和深度学习实践_前沿技术

智盟创课公众号

智汇｜共创｜互联｜共成长

智盟创课（北京）科技有限公司（智盟 Stu.）作为IT产业第三方专业人才能力提升服务机构，秉承互联共成长的理念，恪守IT企业实际业务需求为第一优先级的本职，为IT企业人才培养提供多方位的师资、培训体系打造，行业前沿交流峰会，打通企业全方面的学习视角，实现人才能力提升最佳学习方案。助力企业全面提升竞争优势、推进组织的成功转型及经营业绩的持续增长。同时，智盟组织承办IT领域两大品牌会议：QECon全球软件质量&效能大会、SECon软件工程技术大会、PM产品力领航者大会，旨在深化各大研发中心加快数字化转型的同时，也将目光从追求快速增长转向内建能力，运用前沿技术帮助企业实现快速交付，同时又要稳高质量发展的大方针。

400-183-9980

010-65798049

服务总线

咨询热线

business@zmengstu.com

京ICP备20017836号-1

主题	内容
1 赋予计算机学习数据的能力	1.1构建智能机器将数据转化为知识 1.2机器学习的三种不同方法 a 通过监督学习对未来事件进行预测 b 通过强化学习解决交互式问题 c 通过无监督学习发现数据本身潜在的结构 1.3基本术语及符号介绍 1.4构建机器学习系统的蓝图 a 数据预处理 b 选择预测模型类型并进行训练 c模型验证与使用未知数据进行预测
2. 深度学习概要	- 什么是深度学习 - 与机器学习的异同 - 神经网络和深度学习
3. 多层感知器模型 Multi-Layer Perceptron – MLP	- 神经元权重和激活 Neurons Weight Activation - 神经元网络 Neuron Networks - 训练网络 Training Networks - Back-propagation 算法和计算图 - 多种自适应学习率算法 Adaptive Learning Rate
4. 卷积神经网络 Convolutional Neural Network	- CNN 原理和构造： - 核 Filter 和卷积运算 Convolutional Layer - 特征图 Feature Maps - 池化层 Pooling - 全连接层 Full Connected Layer
5. 循环神经网络 Recurrent Neural Networks	- RNN 原理 - 处理序列（Sequence）数据的神经网络 - 循环神经网 RNN 架构 - RNN训练：如何在训练中获得稳定的梯度下降 - RNN 网络演化历史：RNN，LSTM，GRU 结构比较和分析
6. TensorFlow详解	TensorFlow 入门 - Overview - Graphs and Sessions 图和会话 1) Tensor 2)Data Flow Graphs 3)Graph and sub-Graph - Distributed Computation 分布式计算 TensorFlow Ops 操作符 Basic Model 基本模型 Model Structure 模型结构 Experiments Management 实验管理 Application 实战 - AutoEncoder - MLP - CNN（AlexNet，VGGNet，Inception Net，ResNet） - RNN（LSTM，Bi-RNN） - Deep Reinforcement Learning（Policy Network、Value Network）
7. 当前应用	6.1 金融业： - 征信与反欺诈 - 定价 6.2图形图像： - 人脸识别 - 视频识别 - 自动图像描述 6.3自然语言理解 - 情感分类 - 用户意图识别 - 机器翻译 - 阅读理解和自动 QA 6.4体育 - 球员训练 - 球队组建 6.5 医疗 - 医疗影像识别 a糖尿病病变鉴别 b心血管核磁共振界别 c 读心术 - 病例辅助判定 - 药物试验 6.6安防 - 犯罪率预测 - 寻人 6.7社交 - 婚恋匹配 - 舆情分析 6.8城市管理建设 - 拥堵预测 - 房价预测
8. 未来发展方向	7.1计算能力的发展 - CPU / GPU / TPU 7.2 模型算法的发展 - 生成对抗网络 GAN: Generative Adversarial Network - 迁移学习 - 感知：状态、情感、逻辑 7.3应用的发展 - 智能家居和穿戴智能

人工智能和深度学习实践

马老师 中国原子能科学研究院理论物理硕士、中国科学院软件研究所博士

最新动态

下一篇

智盟创课公众号

智汇｜共创｜互联｜共成长

马老师中国原子能科学研究院理论物理硕士、中国科学院软件研究所博士