|
会议详情 |
|
发票类型：增值税专用发票 增值税普通发票
参会凭证：邮件/短信发送参会通知 现场凭电话姓名参会
为进一步推动高等院校机器学习与深度学习教学工作的开展，加强国内各高等院校同行间的交流，培养国内的师资力量，将机器学习与深度学习的最新实训内容带入课堂，特举办“深度学习实战班”，具体由北京中科软培科技有限公司举办，本次培训由权威师资主讲，培训主打理论结合实践主题，课程强调动手操作；内容以代码落地为主，以理论讲解为根，以公式推导为辅。讲解机器学习和深度学习的模型理论和代码实践，梳理机器学习、深度学习、计算机视觉的技术框架，从根本上解决如何使用模型、优化模型的问题；每次课中，首先阐述算法理论和少量公式推导，然后使用真实数据做数据挖掘、机器学习、深度学习的数据分析、特征选择、调参和结果比较。
一、培训目的：
通过课程学习，可以理解机器学习的思维方式和关键技术；了解深度学习和机器学习在当前工业界的落地应用；能够根据数据分布选择合适的算法模型并书写代码，初步胜任使用Python进行数据挖掘、机器学习、深度学习等工作。
二、主讲专家：
邹博，中国科学院副研究员，天津大学软件学院创业导师，成立中国科学院邹博人工智能研究中心（杭州站），在翔创、天识、睿客邦等公司担任技术顾问，研究方向机器学习、深度学习、计算几何，应用于大型气象设备图像与文本挖掘、股票交易与预测、量子化学医药路径寻优、传统农资产品价格预测和决策等领域。
四、时间地点：
2018年4月13日-4月16日 4月12日报到
广州
五、培训对象：
各高等院校数据科学相关专业、计算机科学技术、网络工程、软件工程、信息工程、信息管理、、统计学专业、应用数学专业、经济管理专业、市场营销专业等科研、教学带头人，骨干教师、博士生、硕士生；各高校教务处、科研处、信息中心、实验中心领导。对机器学习技术有兴趣和需求，愿意进行深入钻研的从业人员。
颁发人社部中国职协“人工智能工程师”（高级）培训证书、证书可在官网查询，可作为能力评价、考核和任职的重要依据。
北京中科软培科技有限公司
中科软培主要从事IT方向的前沿技术培训，本着为用户创造真正价值，围绕以用户为中心的价值观不断探索，在机器学习，深度学习，大数据、R语言、虚拟现实、增强现实等领域形成了完善的课程体系。学以致用，全部课程均已实战为主，采用理论与实战相结合的方式，实用的课程设计、精心施教的专家团队、严格的教学把关、细心周到的后期咨询，赢得众多客户的好评。
三、培训内容：
|
第 一 节 |
Python与TensorFlow
|
解释器Python2.7/3.6与IDE：Anaconda/Pycharm 列表/元组/字典/类/文件 numpy/scipy/matplotlib/panda的介绍和典型使用 scikit-learn的介绍和典型使用 TensorFlow典型应用 典型图像处理 多种数学曲线 多项式拟合 快速傅里叶变换FFT 奇异值分解SVD Soble/Prewitt/Laplacian算子与卷积网络 |
代码和案例实践： 卷积与(指数)移动平均线 股票数据分析 缺失数据的处理 环境数据异常检测和分析
|
|
第 二 节 |
Softmax回归与SGD |
线性回归 Logistic/Softmax回归 广义线性回归 L1/L2正则化 Ridge与LASSO Elastic Net 梯度下降算法：BGD与SGD 特征选择与过拟合 Softmax回归的概念源头 最大熵模型 K-L散度 |
代码和案例实践： 1.股票数据的特征提取和应用 2.泰坦尼克号乘客缺失数据处理和存活率预测 3.环境检测数据异常分析和预测 4.模糊数据查询和数据校正方法 5.PCA与鸢尾花数据分类 6.二手车数据特征选择与算法模型比较 7.广告投入与销售额回归分析 8.鸢尾花数据集的分类 9.TensorFlow实现线性回归 10.TensorFlow实现Logistic回归 |
|
第 三 节 |
卷积神经网络CNN |
神经网络结构，滤波器，卷积 池化，激活函数，反向传播 目标分类与识别、目标检测与追踪 经典AlexNet、VGG、GoogleLeNet Inception |
代码和案例实践： 搭建自己的卷积神经网络 基于CNN的图像识别 卷积神经网络调参经验分享 |
|
第 四 节 |
CNN发展与应用 |
ResNet、DenseNet 视频关键帧处理 物体检测与定位 RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN YOLO FaceNet |
代码和案例实践： 迁移学习（Transfer Learning） 人脸检测 OCR字体定位和识别 睿客识云 气象识别 |
|
第 五 节 |
循环神经网络RNN |
RNN基本原理 LSTM、GRU Attention 编码器与解码器结构 特征提取：word2vec Seq2seq模型 |
代码和案例实践： 图片标注与图片问答 搭配CNN使用，组成CNN+LSTM模型 Bi-LSTM双向循环神经网络结构 循环神经网络调参经验分享 |
|
第 六 节 |
自然语言处理 |
语言模型Bi-Gram/Tri-Gram/N-Gram 分词 词性标注 依存句法分析 语义关系抽取 词向量 文本分类 机器翻译 文本摘要 阅读理解 问答系统 情感分析 |
代码和案例实践： 输入法设计 HMM分词 文本摘要的生成 智能对话系统和SeqSeq模型 阅读理解的实现与Attention |
|
第 七 节 |
生成对抗网络GAN |
生成与判别 生成模型：贝叶斯、HMM到深度生成模型 GAN对抗生成神经网络 DCGAN Conditional GAN InfoGan Wasserstein GAN |
代码和案例实践： 图片生成 看图说话 对抗生成神经网络调参经验分享 |
|
第 八 节 |
增强学习RL |
为何使用增强学习 马尔科夫决策过程 贝尔曼方程、最优策略 策略迭代、值迭代 Q Learning SarsaLamda DQN A3C ELF |
代码和案例实践： 飞翔的小鸟游戏 基于增强学习的游戏学习 DQN的实现 |
.jpg!hdj123)
邹博
中国科学院
副研究员
证书费用（可选）：500元/人。
培训费用¥RMB:4300元/人（含报名费、培训费、教材费、资料费）食宿统一安排费用自理。
相关会议
2024-08-23上海
2024-07-20上海
商务会议
会议嘉宾
会议主办方
会议场地
会议PPT
APP参会
订单查询
开通会员
2018-04-13 08:30 至 2018-04-16 17:30
200人