Python 语言深度学习培训

 

]
课程将围绕机器学习原理，使用 Python 语言进行实战，

终期望学员熟悉人工神经网络原理、能动手实现部分核心算法。

掌握常用深度神经网络结构，

并学会使用 TensorFlow 和 PyTorch 两大深度学习框架进行实践。

此外，对涉及到的模型训练、评估、推理、部署充分了解，达到深度学习初级工程师的水平。

1 深度学习理论

2 计算机视觉

3 深度学习工程

4 深度学习框架

5 自然语言处理

6 项目挑战比赛

阶段 1 课程技能准备

课程须知和先学内容
1
课程内容介绍与导学

深度学习综述和示例

1.机器学习介绍

2.深度学习介绍

3.深度学习发展

2
线性回归实现与应用

1.一元线性回归

2.平方损失函数

3.小二乘法及代数求解

4.线性回归实现

5.小二乘法的矩阵推导

1
住房价格预测

1.数据集读取与划分

2.模型训练及预测

3.模型评价

3
逻辑回归实现与应用

1.线性可分和不可分

2.Sigmoid分布函数

3.逻辑回归模型

4.对数损失函数

5.梯度下降法

2
梯度下降法实现与应用

1.小二乘法求解线性回归参数

2.梯度下降法求解线性回归参数

实验 4
感知机和人工神经网络

1.感知机的推导过程

2.随机梯度下降法

3.多层感知机与人工神经网络

4.反向传播算法

5.实现人工神经网络

3
手写字符识别神经网络

1.人工神经网络

2.手写字符识别

5
TensorFlow 基础概念语法

1.TensorFlow介绍

2.张量的概念

3.EagerExecution特性

4.TensorFlowAPI概览

4
TensorFlow 加州房价预测

1.小二乘法线性回归

2.TensorFlow基本运算

6
TensorFlow 构建神经网络

1.NumPy构建神经网络

2.TensorFlow构建神经网络

3.TensorFlow完成DIGITS分类

4.TensorFlow实现MiniBatch训练

5
TensorFlow 汽车评估分类

1.TensorFlow构建神经网络

2.张量数据处理转换

3.损失函数，优化器

7
TensorFlow 高阶 API 使用

1.Keras顺序模型

2.Keras函数模型

3.Keras模型存储及推理

4.Estimator高阶API

6
TensorFlow 时尚物品分类

1.Keras构建神经网络

2.灰度数据标准化

3.Flatten,Dropout层

8
PyTorch 基础概念语法

1.张量类型和定义

2.索引、切片、变换

3.张量的内部结构

4.自动微分Autograd

5.深度学习框架对比

实验 9
PyTorch 构建神经网络

1.PyTorch构建神经网络

2.Sequential容器结构

3.使用GPU加速训练

4.模型保存与推理
7
PyTorch 实现线性回归

1.PyTorch原理及使用

2.nnModule类实现线性回归

卷积神经网络原理

1.卷积核Kernel

2.卷积步长Stride

3.边距扩展Padding

4.高维多卷积核过程

5.卷积神经网络的发展史

11
卷积神经网络构建

1.TensorFlow高阶API构建

2.TensorFlow低阶API构建

3.PyTorch低阶API构建

4.PyTorch高阶API构建

8
构建 LeNet5 Estimator

1.TensorFlowEstimator使用

2.LeNet5卷积神经网络

12
图像分类原理与实践

1.数据加载器

2.迁移学习

3.猫狗识别

4.卷积神经网络可视化

9
迁移学习完成动物分类

1.迁移学习

2.预训练模型

3.TensorFlowKeras

13
生成对抗网络原理及构建

1.生成对抗网络原理

2.生成对抗网络实现

3.生成对抗网络改进

4.生成对抗网络未来

10
DCGAN 动漫人物图像生成

1.PyTorch实践运用

2.DCGAN网络搭建

14
自动编码器原理及构建

1.自动编码器介绍

2.基础自动编码器

3.去噪自动编码器

11
卷积自动编码器图像去噪

1.卷积自动编码器

2.图像去噪

3.TensorFlowKeras

15
目标检测原理与实践

1.目标检测方法

2.RCNN家族

3.YOLO和SSD

4.MaskRCNN

5.TensorFlowObjectDetection

12
YOLO 图像目标检测应用

1.图像目标检测

2.YOLO实时检测方法

16
循环神经网络原理

1.序列模型介绍

2.简单循环神经网络

3.LSTM长短期记忆模型

4.GRU门控循环单元

17
循环神经网络构建

1.IMDB数据集

2.词嵌入

3.简单循环神经网络

4.LSTM循环神经网络

13
LSTM 预测股票价格

1.LSTM网络构建

2.股票价格预测

18
文本分类原理与实践

1.文本分类流程

2.中文文本分词

3.英文文本分词

4.文本特征提取

5.假新闻分类任务

14
深度学习完成假新闻分类

1.文本分类

2.深度神经网络

19
自然语言处理框架拓展

1.NaturalLanguageToolkit

2.PyTorchFlair 3.自然语言处理工具

15
BERT 预训练技术实践应用

1.GoogleBERT

2.NLP预训练技术

20
神经机器翻译和对话系统

1.序列到序列模型

2.神经机器翻译系统

3.聊天机器人系统

21
自动化深度学习综述

1.自动化机器学习概念

2.自动化机器学习目标

22
自动化深度学习实践

1.AutoKeras介绍

2.图像分类任务

3.文本分类任务

4.优模型可视化

5.AutoML优劣分析

16
仙人掌航拍照片分类识别

1.仙人掌航拍照片分类

2.AutoKeras实践应用

23
深度学习模型推理和部署

1.TensorFlowServing

2.ONNX开放模型格式

17
构建图像分类推理服务

1.预训练模型

2.TensorFlowKeras

3.FlaskWebAPI

24
深度学习云端服务实践

1.深度学习计算平台

2.深度学习解决方案

18
云服务识别增值税发票

1.云服务调用

2.发票识别