廣州國(guó)富如荷教育
培訓(xùn)：CDA數(shù)據(jù)分析、Python數(shù)據(jù)分析、AI 人工智能、金融數(shù)據(jù)分析
全國(guó)統(tǒng)一咨詢電話
4006-303-880
培訓(xùn)：CDA數(shù)據(jù)分析、Python數(shù)據(jù)分析、AI 人工智能、金融數(shù)據(jù)分析
廣州國(guó)富AI工程師培訓(xùn)班，主要是幫助學(xué)員熟悉AI工具，包括TensorFlow、Keras、Caffe、PyTorch、熟悉CNN、RNN、Faster RCNN等深度神經(jīng)網(wǎng)絡(luò)模型，并掌握其相關(guān)的優(yōu)化算法等，更多詳情請(qǐng)往下看。
1、搜索方向：搜索是人工智能的重要應(yīng)用領(lǐng)域，目前初步實(shí)現(xiàn)的人工智能產(chǎn)品例如小度、小愛同學(xué)、天貓精靈等，都是建立在智能搜索和語(yǔ)音搜索的基礎(chǔ)之上的。此外圖片搜索已經(jīng)基本實(shí)現(xiàn)，精準(zhǔn)度可以達(dá)到90%以上，例如百度識(shí)圖、作業(yè)幫搜題等。視頻搜索也是搜索領(lǐng)域進(jìn)一步研究的方向。
2、計(jì)算機(jī)視覺和模式識(shí)別方向：這個(gè)方向是從技術(shù)層面劃定的方向，其應(yīng)用領(lǐng)域包括:智能辦公、智能交通、智慧城市等等。技術(shù)的表現(xiàn)層有指紋識(shí)別、人臉識(shí)別、虹膜識(shí)別、車牌識(shí)別等等。
3、醫(yī)學(xué)圖像處理：醫(yī)療設(shè)備和醫(yī)療器械很多都會(huì)涉及到圖像處理和成像技術(shù)，諸如西門子、飛利浦等企業(yè)都會(huì)有專門的人工智能研發(fā)部門。
大學(xué)生、在職提升、轉(zhuǎn)行或待業(yè)人員
面授/網(wǎng)課、周一到周五8-17點(diǎn)開課
朝九晚九全程跟班答疑、一對(duì)一督學(xué)、定期直播串講、五分鐘內(nèi)有問(wèn)必答、出勤率和進(jìn)度監(jiān)督、作業(yè)與測(cè)試
熟悉AI工具，包括TensorFlow、Keras、Caffe、PyTorch
熟悉深度學(xué)習(xí)應(yīng)用
熟悉CNN、RNN、Faster RCNN等深度神經(jīng)網(wǎng)絡(luò)模型，并掌握其相關(guān)的優(yōu)化算法
了解深度學(xué)習(xí)高級(jí)算法，包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等
掌握優(yōu)化算法和高性能計(jì)算方法
掌握NLP自然語(yǔ)言處理一線行業(yè)案例
掌握計(jì)算機(jī)視覺圖像識(shí)別一線行業(yè)案例
| 授課章節(jié) | 授課內(nèi)容 |
|---|---|
| "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(wèn)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(guò)擬合問(wèn)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 01-04二維最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(yǔ)言模型計(jì)算 01-02循環(huán)神經(jīng)網(wǎng)絡(luò) 01-03模型語(yǔ)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(guò)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(yǔ)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(yǔ)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(yǔ)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(shuō)明 01-13step6:運(yùn)行自己的數(shù)據(jù)" |
CDA數(shù)據(jù)分析師品牌，截止2018年底，CDA已與國(guó)內(nèi)多所高校進(jìn)行了戰(zhàn)略合作，搭建大數(shù)據(jù)實(shí)驗(yàn)室與共建專業(yè)；已出版14本CDA數(shù)據(jù)分析師系列叢書，市場(chǎng)發(fā)行量數(shù)萬(wàn)冊(cè)；已進(jìn)行100多期數(shù)據(jù)分析及大數(shù)據(jù)系統(tǒng)培訓(xùn)課程，培養(yǎng)學(xué)員超過(guò)40000多名；已舉辦九屆全國(guó)數(shù)據(jù)分析師認(rèn)證考試，持證人數(shù)千人；已開展了四屆數(shù)據(jù)分析師行業(yè)峰會(huì)（CDA SUMMIT），每屆參會(huì)人數(shù)逾3千人。2016，CDA研究院加入由工信部指導(dǎo)下的“大數(shù)據(jù)生態(tài)產(chǎn)業(yè)聯(lián)盟”理事會(huì)成員，分管教育事業(yè)。2017，CDA與工信部賽迪達(dá)成戰(zhàn)略合作，被評(píng)為”大數(shù)據(jù)*培訓(xùn)機(jī)構(gòu)“；2018，CDA入選教育部產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目。
