課程名稱：AI工程師

課程類目：人工智能

課程類型：正式課

授課形式：現場+遠程

免費試聽：是

適合基礎：有一定基礎

上課人數：40

班級名稱：高級班

上課時間：周一到周五8-17點

開班時間：每月開課

課時數量：720

課程亮點

朝九晚九全程跟班答疑、一對一督學、定期直播串講、五分鐘內有問必答、出勤率和進度監督、作業與測試

學習目標

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

熟悉深度學習應用

熟悉CNN、RNN、Faster RCNN等深度神經網絡模型，并掌握其相關的優化算法

了解深度學習高級算法，包括卷積神經網絡、循環神經網絡等

掌握優化算法和高性能計算方法

掌握NLP自然語言處理一 線行業案例

掌握計算機視覺圖像識別一 線行業案例

課程內容

01章預備知識：圖像識別方法的演進基礎

01-01開發環境配置：Anaconda環境和MXNet

01-02深度學習簡介：起源、特點和發展

01-03計算機視覺概述

01-04數據操作

01-05自動求梯度

01-06圖像識別的演進

01-07線性回歸與線性回歸的實現

01-08線性模型：對數線性二分類、多分類

01-09獨熱和稠密度向量表示

01-10softmax回歸與實現

01-10基于深度學習的圖像識別技術發展

02章深度學習基礎知識

01-01線性模型的局限性：異或問題

01-02非線性輸入轉換、核方法、可訓練的映射函數

01-03感知機和多層感知機的實現

01-04模型選擇、欠擬合過擬合問題

01-05權重衰減和丟棄法

01-06實戰案例：房價預測模型

01-07神經網絡基礎

01-08前饋神經網絡、BP神經網絡

01-09神經網絡的訓練

01-10深度學習計算

03章卷積神經網絡與深度學習

01-01二維卷積層相關運算

01-02填充和步幅

01-03多輸入通道和多輸出通道

01-04二維Z大池化層和平均池化層

01-05卷積神經網絡LeNet模型

01-06深度卷積神經網絡AlexNet

01-07使用重復數據的網絡

01-08網絡中的網絡：NIN塊和NIN模型

01-09合并行連接的網絡

01-10批量歸一化

01-11殘差網絡ResNet模型

01-12稠密度連接網絡DeseNet模型

04章循環神經網絡與深度學習

01-01語言模型計算

01-02循環神經網絡

01-03模型語言數據集

01-04循環神經網絡從零開始實現

01-05循環神經網絡的簡介實現

01-06通過時間反向傳播

01-07門控循環單元

01-08長短期記憶

01-09深度循環神經網絡

01-10雙向循環神經網絡

05章優化算法與深度學習

01-01優化與深度學習的關系

01-02梯度下降和隨機梯度下降

01-03小批量隨機梯度下降

01-04動量法與實現

01-05AdaGrad算法特點與實現

01-06RMSProp算法

01-07AdaDelta算法

01-08Adma算法

06章計算機技術與高性能計算

01-01衡量性能的方法

01-02提高性能性能的各種編程方法

01-03命令式和混合編程

01-04異步計算

01-05自動并行運算

01-06多GPU運算

07章AI應用方向之計算機視覺

01-01使用圖像增廣訓練模型

01-02微調:熱狗識別

01-03目標檢測和邊界框

01-04計算機視覺：錨框生成

01-05多尺度目標檢測

01-06目標檢測數據集：皮卡丘

01-07單發多框檢測：SSD

01-08卷積神經網絡系列：R-CNN

01-09語意分割和數據集

01-10全卷積網絡

01-11樣式遷移

08章計算機視覺案例：Kaggle圖像識別

01-01案例1:圖像分類

01-02案例2:狗的品種

01-03step1:獲取和整理數據集

01-04step2:圖像增廣

01-05step3:讀取數據集

01-06step4:定義模型

01-07step5:定義訓練函數

01-08step6:訓練模型

09章AI應用方向之NLP自然語言處理

01-01詞嵌入和連續詞袋模型

01-02近似訓練：負采樣、層序softmax

01-03word2vec的實現

01-04子詞潛入：fastText

01-05全局向量的詞潛入：GloVe

01-06求近義詞和類比詞

01-07文本情感分類：使用循環神經網絡

01-08文本情感分類：使用卷積神經網絡（textCNN）

01-09編碼器、解 碼 器

01-10貪婪搜索、全局搜索、束搜索

01-11注意力機制

10章NLP自然語言處理案例

01-01案例1:機器人翻譯

01-02step1:讀取和與處理數據集

01-03step2:含注意力機制的編碼器-解 碼 器

01-04step3:訓練模型

01-05step4:預測不定長的序列

01-06step5:評價翻譯結果

01-07唐詩生成器

01-08step1:定義輸入數據

01-09step2:定義多層LESTM模型

01-10step3:定義損失函數

01-11step4:訓練模型生成文字

01-12step5:更多參數說明

01-13step6:運行自己的數據