 班级规模及环境--热线:4008699035 手机:15921673576( 微信同号) |
|
每期人数限3到5人。 |
| 上课时间和地点 |
开课地址：【上海】同济大学(沪西)/新城金郡商务楼(11号线白银路站)【深圳分部】：电影大厦(地铁一号线大剧院站) 【武汉分部】：佳源大厦【成都分部】：领馆区1号【沈阳分部】：沈阳理工大学【郑州分部】：锦华大厦【石家庄分部】：瑞景大厦【北京分部】：北京中山学院 【南京分部】：金港大厦
最新开班 (连续班 、周末班、晚班）：2020年3月16日 |
| 实验设备 |
☆资深工程师授课
☆注重质量
☆边讲边练
☆合格学员免费推荐工作
★实验设备请点击这儿查看★ |
| 质量保障 |
1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
2、培训结束后,授课老师留给学员联系方式,保障培训效果,免费提供课后技术支持。
3、培训合格学员可享受免费推荐就业机会。 |
课程大纲 |
| |
- 第1章深度学习概述
1-1深度学习？深在哪里？！
1-2课程内容介绍
1-3如何选择各类深度学习模型
1-4图像的数据表示
1-5图像与数据的互相转换
1-6MNIST数据集介绍
1-7CIFAR-10数据集介绍
1-8什么是张量？
1-9本课程代码课件及数据
第2章准备软件环境
2-1Python常用IDE简介
2-2Anaconda的安装与配置
2-3Jupyter Notebook的基本操作
2-4Keras+TensorFlow组合的优势
2-5Keras+TensorFlow组合的安装
第3章神经网络模型入门
3-1神经网络的基本原理
3-2神经网络原理的具体演示
3-3神经网络的算法实质
3-4神经网络的连接函数
3-5损失函数与凸函数
3-6控制模型复杂度：正则化
3-7损失函数的求解：梯度下降法
3-8损失函数的求解：自适应算法
第4章Keras操作入门
4-1Keras的基本操作步骤
4-2Keras操作的常用命令
4-3IRIS分析实例
4-4模型的可视化
4-5模型的终止训练、保存与载入
4-6模型的修改
4-7将Keras与sklearn结合使用
4-8用Keras拟合MNIST案例
第5章卷积神经网络
5-1什么是卷积？
5-2CNN的基本原理
5-3CNN网络的结构
5-4Keras中和CNN有关的层设定
5-5MNIST实例的CNN实现
5-6对CIFAR10案例拟合简单CNN模型
5-7对CIFAR10案例拟合复杂CNN模型
第6章图像预处理
6-1缺少源数据对建模的影响
6-2定义所需的图像变换方法
6-3直接生成变换后的图像数据
6-4流式数据处理
6-5图像的缩放操作
第7章迁移学习
7-1为什么需要迁移学习？
7-2LeNet和AlexNet
7-3VGG
7-4ResNet
7-5GoogleNet
7-6Xception、DenseNet和NasNet
7-7Keras提供的预训练模型
7-8直接应用原模型预测
7-9利用原模型对数据做预处理
7-10Keras的函数式API
7-11在原模型的基础上继续训练
第8章循环神经网络1
8-1RNN的基本原理
8-2RNN的模型分类
8-3RNN相关的网络层定义
8-4用RNN拟合MNIST案例
8-5用RNN拟合IMDB案例
第9章长短期记忆网络
9-1LSTM的基本原理
9-2用LSTM拟合IMDB案例
9-3自动写作案例：数据准备
9-4自动写作案例：模型拟合
9-5GRU的基本原理
9-6用GRU拟合IMDB案例
|
首页 课程表 在线聊 报名 讲师 品牌 QQ聊 活动 就业