编辑部
微信公众号
关键字全网搜索
『量化投资』:排名第一
『量 化』:排名第二
『机器学习』:排名第三
我们会再接再厉
成为全网优质的金融、技术技类公众号
原价 ¥899.00
100人以上 ¥ 599.00
300人以上 ¥ 499.00
300人以上 ¥ 399.00
目前已达最低价
文末加客服微信参团
深度学习【第三期】
李伟, 美国纽约城市大学博士
研究领域包括深度学习,计算机视觉,人脸计算以及人机交互,即将毕业加入美国顶级云计算平台人工智能研究组。在CVPR,ECCV等顶级会议上发表了多篇学术文章,同时他还是WACV,ACCV,ECCV等重要视觉会议以及MVA,CVIU等期刊的审稿人。
本次的深度学习课程主要包括三大部分:
1. 深度学习核心原理。了解深度学习运行的最核心数学原理,从而对后续的知识点扩展,模型设计与优化技能打下基础。
2. 深度学习知识点连接。会涵盖主流的深度学习研究工程应用中碰到的大部分知识点,与大部分学习资料孤立进行知识点介绍不同,会结合主讲人自身总结找到所有知识点之间的联系,便于系统掌握。
3. 介绍不同知识点的代表应用。结合所学的原理以及知识点,介绍比较重要的图像和语言方面的应用,如增强学习,迁移学习,GAN等, 方便学员针对自身兴趣的目标进行强化训练。
1. 想了解和学习深度学习的学习者
2. 想学习深度学习的相关从业人员
3. 想转行从事深度的学习者
通过本课程的学习,学员将会收获:
1. 帮助学员系统性的掌握深度学习的基本原理,以及从基本概念到各个先进模型的转化思路
2. 了解研究过程中定义问题设计模型的思路
3. 培养学员面对工程及学术问题的思考解决能力
4. 快速积累深度学习项目经验
2017年3月4日开课
在线直播,共10次
每周2次(周六、日晚上20:00-22:00)
直播后提供录制回放视频,可在线反复观看,有效期1年
神经网络:传统到现代
深度学习应用特点
深度学习发展方向
深度学习框架比较:用Tensorflow进行课程学习
线性回归
非线性激励函数
loss 函数,常见问题:过拟合,正则化,dropout
实例:传统神经网络络实现
SGD 梯度下降介绍
神经网络的梯度优化
神经网络训练
实例:反向梯度优化对比
卷积核以及卷积层
AlexNet 最早的现代神经网络
VGG,GoogleNet,,ResNet. 近期的高级网络
实例:利用已有模型进行物体分类/特征提取
理论分析
迁移模型&原始训练模型
如何设计新的的网络
实例:表情识别/人脸识别/动物识别
RNN
LSTM
图片标题生成
视频处理
实例:LSTM用于图片标题生成
处理之前:speech to text
词语表达,word2vect
语句生成LSTM
实例:根据上下文回答问题
传统的目标检测方法
初代算法: Region CNN
升级: SPP Net, Fast RCNN, Faster RCNN
深度学习另辟蹊径: YoLo 和SSD
实例: 自动驾驶的核心:实时目标检测
图片问答
图像模式转换
图像高清化
围棋程序, Alpha go
自动游戏机器人,DeepMind Atari
实例: 图片艺术风格转化
传统无监督学习 Autoencode,K Means,Sparse Coding
RBM 限制博斯曼机,深度学习的另一支
生成对抗网络 GAN
实例: 机器生成图片,以假乱真
长按扫码加客服——参团,咨询,查看课程
投稿、商业合作
请发邮件到:lhtzjqxx@163.com
关注者
从1到10000+
我们每天都在进步
听说,置顶关注我们的人都不一般