深度学习Tensorflow培训课程
课程目标：
通过该课程的学习，学员应能够掌握常用的深度学习模型（如：CNN、RNN、LSTM、DNN等）原理及构建；掌握Tensorflow基本框架原理和开发应用；能够进行深度学习模型训练，掌握训练技巧与方法；具备实际的项目开发实战能力，能够完成深度学习模型开发的工业级应用。
课程大纲：
|
主题
|
内容
|
|
深度学习及CNN
|
1. 深度学习简介
2. 谈谈CNN
3. 正向传播与反向求导及练习
4. CNN模型的推导与实现
5. CNN应用：物体分类
6. CNN 常见问题与总结
|
|
RNN和LSTM
|
7. RNN
8. RNN的反向求导及练习
9. RNN模型的推导与实现
10. RNN应用：个性化电影推荐
11. RNN常见问题与总结
12. LSTM
13. LSTM模型的推导与实现
14. LSTM的反向求导及练习
15. LSTM应用：文本识别
16. LSTM常见问题总结
|
|
DNN
|
17. DNN
18. DNN模型的推导与实现
19. DNN的反向求导及练习
20. DNN应用：CTR预估
21. DNN常见问题总结
|
|
垂直应用领域
|
22. 概述
23. 目标检测：ObjectDetection
24. 文本相关（NLP）：Word2Vec、CBOW、DSSM
25. 声纹识别：DNN
26. 文字识别（OCR）：VGGNet、CNN
|
|
深度学习框架及Tensorflow
|
27. 业界主流深度学习框架
Tensorflow、PyTorch、Paddle、Oneflow
28. TensorFlow和其他深度学习框架的对比
29. Tensorflow 特性
30. Tensorflow 下载及安装
|
|
Tensorflow
|
31. 架构原理
32. Tensorflow基本使用
33. TensorFlow实现多层感知机
34. TensorFlow实现进阶的卷积网络
35. TensorFlow实现经典卷积神经网络
36. TensorFlow实现ResNet
|
|
模型训练
|
37. 模型训练技巧与方法
1）数据样本处理 2）调参 3）模型调优
38. 梯度下降优化方法
39. Tensorflow 实现循环神经网络及Word2Vec
1）Tensorflow 实现Word2Vec 2）Tensorflow 实现基于LSTM的语言模型
|
|
深度强化学习和迁移学习
|
40. 深度强化学习简介
41. TensorFlow实现策略网络
42. TensorFlow实现估值网络
43. 迁移学习简介
44. 迁移学习的理论概述
45. 迁移学习的常见方法及案例
|
|
TensorBoard、多GPU并行及分布式并行
|
46. TensorBoard介绍及使用
47. 多GPU并行训练
48. 分布式训练
49. AI平台及整体流程简介
|
|
实战案例与总结
|
实战：Python中实现缺陷检测模型搭建：根据某工业生产元件构建缺陷异常检测系统
50. 实战：用TensorFlow搭建图像识别系统
51. 总结Q&A
|
如果您想学习本课程，请
预约报名
如果没找到合适的课程或有特殊培训需求，请
订制培训
除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916
技术服务需求表点击在线申请
服务特点：
海量专家资源，精准匹配相关行业，相关项目专家，针对实际需求，顾问式咨询，互动式授课，案例教学，小班授课，实际项目演示，快捷高效，省时省力省钱。
专家力量：
中国科学院软件研究所，计算研究所高级研究人员
oracle,微软，vmware，MSC,Ansys，candence,Altium,达索等大型公司高级工程师，项目经理，技术支持专家
中科信软培训中心，资深专家或讲师
大多名牌大学，硕士以上学历，相关技术专业，理论素养丰富
多年实际项目经历，大型项目实战案例，热情，乐于技术分享
针对客户实际需求，案例教学，互动式沟通，学有所获
