01
教授深度学习基础知识及软件工具
机器学习基础
传统机器学习:假设空间、模型拟合、模型评估
传统AI局限性
局部不变、维度灾难
深度学习简介
深度学习历史、深度学习理论、深度学习应用
深度学习基础
逻辑回归算法、网络结构设计、损失函数设计、优化方法设计
TensorFlow与Keras
TensorFlow安装、计算图与自动微分、TensorFlow基础、Kears与高阶API
02
深度学习算法精讲及示范项目演示
深度学习进阶段
初始化方法、基础的正则化、其他激活函数、批标准化算法
卷积神经网络
卷积层与池化层、Inception系列与Resnet系列、四种卷积总结 递归神经网路
递归神经网路
RNN神经网络、LSTM与GRU
示范项目精讲
基于深度学习的时间序列模型、基于深度学习的图像分类模型、基于深度学习的类别嵌入模型
03
指导学员完成项目及项目报告,查验培训成果
项目内容
基于深度学习的股票价格预测
使用工具
Python、Tensorflow、keras、Numpy、Pandas、Matplotlib、Sklearn等主流深度学习建模工具
锻炼技能
深度学习项目的整体把握能力、任务分析、数据加工、网络架构设计、网络框架搭建、网络参数优化。