|
【深度学习课程大纲】 一、 人工智能技术基础 （1/4天） 人工智能及神经网络的发展历程 人工智能的应用现状及演变趋势 机器学习理论概述 二、 神经网络理论及实践（1/4天） 神经网络基本概念 误差反向传播算法（数学推导过程） 误差函数、激活函数 随机梯度下降法 学习率及其设置 三、 TensorFlow平台深度网络开发详解（1/4天） 数据模型 计算模型 运行模型 TensorFlow训练神经网络三个步骤 一个完整的神经网络应用实例（线性分类问题） 四、 Keras平台深度网络开发详解（1/4天） 数据导入、归一化、预处理 定义模型与编译 训练模型 模型准确率评估及预测 Keras中使用Pandas进行数据的导入与预处理实践（以csv数据为例） Keras中使用Scikit-learn 进行交叉验证及模型调参实践 五、 卷积神经网络经典模型及实践（1天） 卷积神经网络理论基础（卷积、池化、激活、压平） LeNet-5深度学习模型及其实践（手机验证法分类） Inception-v3深度学习模 深度学习模型迁移算法及实践（物品真伪识别（以和田玉鉴别为例）） 六、 循环神经网络经典模型及实践（1/2天） 循环神经网络理论基础 RNN的的结构 单/多层LSTM模型结构 LSTM模型实操（词频统计） LSTM模型应用实操（使用LSTM模型进行IMDb情感分析） 七、 SeqToSeq模型及其实践（1/2天） SeqToSeq模型理论基础 电信文本摘要提取实操
| 
