南京AI工程師培訓(xùn)班

01章預(yù)備知識(shí)：圖像識(shí)別方法的演進(jìn)基礎(chǔ)
01-01開發(fā)環(huán)境配置：Anaconda環(huán)境和MXNet
01-02深度學(xué)習(xí)簡(jiǎn)介：起源、特點(diǎn)和發(fā)展
01-03計(jì)算機(jī)視覺概述
01-04數(shù)據(jù)操作
01-05自動(dòng)求梯度
01-06圖像識(shí)別的演進(jìn)
01-07線性回歸與線性回歸的實(shí)現(xiàn)
01-08線性模型：對(duì)數(shù)線性二分類、多分類
01-09獨(dú)熱和稠密度向量表示
01-10softmax回歸與實(shí)現(xiàn)
01-10基于深度學(xué)習(xí)的圖像識(shí)別技術(shù)發(fā)展
02章深度學(xué)習(xí)基礎(chǔ)知識(shí)
01-01線性模型的局限性：異或問題
01-02非線性輸入轉(zhuǎn)換、核方法、可訓(xùn)練的映射函數(shù)
01-03感知機(jī)和多層感知機(jī)的實(shí)現(xiàn)
01-04模型選擇、欠擬合過擬合問題
01-05權(quán)重衰減和丟棄法
01-06實(shí)戰(zhàn)案例：房?jī)r(jià)預(yù)測(cè)模型
01-07神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
01-08前饋神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)
01-09神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
01-10深度學(xué)習(xí)計(jì)算
03章卷積神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
01-01二維卷積層相關(guān)運(yùn)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(jīng)網(wǎng)絡(luò)LeNet模型
01-06深度卷積神經(jīng)網(wǎng)絡(luò)AlexNet
01-07使用重復(fù)數(shù)據(jù)的網(wǎng)絡(luò)
01-08網(wǎng)絡(luò)中的網(wǎng)絡(luò)：NIN塊和NIN模型
01-09合并行連接的網(wǎng)絡(luò)
01-10批量歸一化
01-11殘差網(wǎng)絡(luò)ResNet模型
01-12稠密度連接網(wǎng)絡(luò)DeseNet模型
04章循環(huán)神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
01-01語言模型計(jì)算
01-02循環(huán)神經(jīng)網(wǎng)絡(luò)
01-03模型語言數(shù)據(jù)集
01-04循環(huán)神經(jīng)網(wǎng)絡(luò)從零開始實(shí)現(xiàn)
01-05循環(huán)神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)介實(shí)現(xiàn)
01-06通過時(shí)間反向傳播
01-07門控循環(huán)單元
01-08長(zhǎng)短期記憶
01-09深度循環(huán)神經(jīng)網(wǎng)絡(luò)
01-10雙向循環(huán)神經(jīng)網(wǎng)絡(luò)
05章優(yōu)化算法與深度學(xué)習(xí)
01-01優(yōu)化與深度學(xué)習(xí)的關(guān)系
01-02梯度下降和隨機(jī)梯度下降
01-03小批量隨機(jī)梯度下降
01-04動(dòng)量法與實(shí)現(xiàn)
01-05AdaGrad算法特點(diǎn)與實(shí)現(xiàn)
01-06RMSProp算法
01-07AdaDelta算法
01-08Adma算法
06章計(jì)算機(jī)技術(shù)與高性能計(jì)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(jì)算
01-05自動(dòng)并行運(yùn)算
01-06多GPU運(yùn)算
07章AI應(yīng)用方向之計(jì)算機(jī)視覺
01-01使用圖像增廣訓(xùn)練模型
01-02微調(diào):熱狗識(shí)別
01-03目標(biāo)檢測(cè)和邊界框
01-04計(jì)算機(jī)視覺：錨框生成
01-05多尺度目標(biāo)檢測(cè)
01-06目標(biāo)檢測(cè)數(shù)據(jù)集：皮卡丘
01-07單發(fā)多框檢測(cè)：SSD
01-08卷積神經(jīng)網(wǎng)絡(luò)系列：R-CNN
01-09語意分割和數(shù)據(jù)集
01-10全卷積網(wǎng)絡(luò)
01-11樣式遷移
08章計(jì)算機(jī)視覺案例：Kaggle圖像識(shí)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(shù)據(jù)集
01-04step2:圖像增廣
01-05step3:讀取數(shù)據(jù)集
01-06step4:定義模型
01-07step5:定義訓(xùn)練函數(shù)
01-08step6:訓(xùn)練模型
09章AI應(yīng)用方向之NLP自然語言處理
01-01詞嵌入和連續(xù)詞袋模型
01-02近似訓(xùn)練：負(fù)采樣、層序softmax
01-03word2vec的實(shí)現(xiàn)
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(huán)神經(jīng)網(wǎng)絡(luò)
01-08文本情感分類：使用卷積神經(jīng)網(wǎng)絡(luò)（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(jī)制
10章NLP自然語言處理案例
01-01案例1:機(jī)器人翻譯
01-02step1:讀取和與處理數(shù)據(jù)集
01-03step2:含注意力機(jī)制的編碼器-解 碼 器
01-04step3:訓(xùn)練模型
01-05step4:預(yù)測(cè)不定長(zhǎng)的序列
01-06step5:評(píng)價(jià)翻譯結(jié)果
01-07唐詩(shī)生成器
01-08step1:定義輸入數(shù)據(jù)
01-09step2:定義多層LESTM模型
01-10step3:定義損失函數(shù)
01-11step4:訓(xùn)練模型生成文字
01-12step5:更多參數(shù)說明
01-13step6:運(yùn)行自己的數(shù)據(jù)