课程简介
深度学习算法原理与实践
目标收益
培训对象
课程大纲
|
第一天 上午 概述 |
1.人工智能应用发展概述 2.python基础学习 3.科学计算包numpy学习 4.绘图工具包matplotlib学习 |
| 下午 |
1.深度学习发展以及大师介绍 2.神经网络基本原理 3.单层感知器程序 4.线性神经网络 5.激活函数，损失函数和梯度下降法 6.BP神经网络介绍 7.BP神经网络解决异或问题 8.sklearn-BP神经网络解决手写数字识别 9.BP网络论文讲解 |
|
第二天 上午 Tensorflow |
1.Tensorflow安装 2.Tensorlfow基础知识：图，变量，fetch，feed 3.Tensorflow线性回归 4.Tensorflow非线性回归 4.Mnist数据集合Softmax讲解 5.使用BP神经网络搭建手写数字识别 6.交叉熵(cross-entropy)讲解和使用 |
| 下午 |
1.过拟合,正则化,Dropout 2.改进手写数字识别网络 3.卷积神经网络CNN的介绍 4.使用CNN解决手写数字识别 5.长短时记忆网络LSTM介绍 6.LSTM的使用 7.介绍Google图像识别模型Inception-v3 8.使用Inception-v3做图像识别 |
|
第一天 上午 概述 1.人工智能应用发展概述 2.python基础学习 3.科学计算包numpy学习 4.绘图工具包matplotlib学习 |
|
下午 1.深度学习发展以及大师介绍 2.神经网络基本原理 3.单层感知器程序 4.线性神经网络 5.激活函数，损失函数和梯度下降法 6.BP神经网络介绍 7.BP神经网络解决异或问题 8.sklearn-BP神经网络解决手写数字识别 9.BP网络论文讲解 |
|
第二天 上午 Tensorflow 1.Tensorflow安装 2.Tensorlfow基础知识：图，变量，fetch，feed 3.Tensorflow线性回归 4.Tensorflow非线性回归 4.Mnist数据集合Softmax讲解 5.使用BP神经网络搭建手写数字识别 6.交叉熵(cross-entropy)讲解和使用 |
|
下午 1.过拟合,正则化,Dropout 2.改进手写数字识别网络 3.卷积神经网络CNN的介绍 4.使用CNN解决手写数字识别 5.长短时记忆网络LSTM介绍 6.LSTM的使用 7.介绍Google图像识别模型Inception-v3 8.使用Inception-v3做图像识别 |
近期公开课推荐
