主题

内容

人工智能基础

决人工智能的技术体系：知识表示、启发式搜素, 多智能体理论、类脑智能等.

人工智能与机器学习：统计机器学习、深度学习、强化学习等

深度学习基础

人工神经网络、卷积神经网络、长短时记忆网络、反向传播算法等.

深度学习框架I

Tensorflow + Keras 安装与使用方法.

Anaconda 安装与使用.

Pycharm 集成开发环境.

Jupyter 开发环境搭建

深度学习框架II

Pytorch安装与使用方法

多维张量的定义和使用

自动求导机制和使用

Caffe的安装和使用

机器学习分类算法

贝叶斯分类算法

决策树与随机森林分类算法

支持向量机分类算法

机器学习回归与聚类算法

多元线性回归算法

逻辑回归算法

K-means聚类算法

层次聚类算法

深度学习算法

传统神经网络结构与反向传播算法

卷积神经网络与随机梯度下降

网络模型过拟合与欠拟合

网络模型参数调整策略

限制玻尔兹曼机等神经网络

循环神经网络LSTM

深度学习应用案例

人脸识别与行人识别应用案例.

风格转换与目标检测案例

分布式算法模型部署与应用方案