深度学习快速上手+框架实战课程(Caffe、Pylearn2、神经网络、HMM、MVCE、TensorFlow)
  
收藏课程
9999+

深度学习快速上手+框架实战课程(Caffe、Pylearn2、神经网络、HMM、MVCE、TensorFlow)

深度学习是国际上非常活跃、非常多产的研究领域,它被广泛应用于计算机视觉、图像分析、语音识别和自然语言处理等诸多领域。在多个领域上,深度神经网络已大幅超越了已有算...

适合人群:中级
课时数量:27课时
用到技术:TensorFlow实战深度学习
涉及项目:深度学习主流框架

  • 课程顾问贴心解答

    为你推荐精品课程,无论就业还是升职加薪,毫无压力。

  • 名企定制紧随大流

    量身打造紧贴企业需求的实用性课程。

  • 系统教学把控效果

    集学、测、练为一体的学习系统为你科学的安排学习进度,提高效率。

  • 一线大师1对1指导

    课程研发团队内一线资深讲师一对一指导,手把手教学,直到学会。

  • 点播答疑完美结合

    每周2-3次直播解答,保证学员日常学习问题能得到解决。

  • 量身定制学习计划

    告别杂乱的学习方式,我们会根据你的情况定制学习计划。

 


该课程主要介绍了深度学习是国际上非常活跃、非常多产的研究领域,它被广泛应用于计算机视觉、图像分析、语音识别和自然语言处理等诸多领域。在多个领域上,深度神经网络已大幅超越了已有算法的性能。该课程对深度神经网络尤其是卷积神经网络进行介绍,且注重深度学习的实际应用。而且,该课程还对深度学习研发现状进行总结和阐述,包括Google 和Facebook。该课程通过示例的方式详解深度学习的具体应用,包括手写数字识别,物体识别,及以人为中心的计算(包括人脸识别、人脸表情识别、年龄估计、人脸关键点定位等)。该课程也介绍了深度学习Caffe 和Pylearn2 两个平台,并给出具体示例,介绍如何使用。同时全面、系统地介绍深度学习相关的技术,包括人工神经网络,卷积神经网络,深度学习平台及源代码分析。




 

1.课程研发环境

 
课程基于深度学习,讲解过程中使用的是office2010(32位)版工具
Office工具:2007、2010
Visual Studio 工具: 2013

 
2.内容简介

 
深度学习是国际上非常活跃、非常多产的研究领域,它被广泛应用于计算机视觉、图像分析、语音识别和自然语言处理等诸多领域。在多个领域上,深度神经网络已大幅超越了已有算法的性能。该课程对深度神经网络尤其是卷积神经网络进行介绍,且注重深度学习的实际应用。而且,该课程还对深度学习研发现状进行总结和阐述,包括Google 和Facebook。该课程通过示例的方式详解深度学习的具体应用,包括手写数字识别,物体识别,及以人为中心的计算(包括人脸识别、人脸表情识别、年龄估计、人脸关键点定位等)。该课程也介绍了深度学习Caffe 和Pylearn2 两个平台,并给出具体示例,介绍如何使用。同时全面、系统地介绍深度学习相关的技术,包括人工神经网络,卷积神经网络,深度学习平台及源代码分析。




正讲师一直从事于Java和大数据开发方面工作,涉及到对于JavaEE和数据库方面有所深入的研究,主要从事于财务方向和金融方面的开发,毕业到现在,前后在华为、阿里等公司担任开发部主要职位,在ERP系统,人资管控系统的架构方面有着重要的开发和架构经验。着力于多省市的各大银行的告警系统,人力管理系统的开发方面有着显著的成效
主要从事Java、数据库相关技术:Struts、Sping 、Oracle、SQL Server、MongoDB、Memcache、Hibernate、Html、JavaScript、AnjularJS大数据开发,Hadoop 大数据,云计算等领域。




第1章 深度学习
1.1-深度学习的历史与简介
1.2-深度学习 基础概念 核心思想主要技术
1.3-递归神经网络
1.4-循环神经网络
1.5-机器翻译
1.6-深度学习与自然语言处理


第2章 开源平台
2.1-监督学习
2.2-语音识别
2.3-基于HMM声学模型
2.4-隐马尔科夫模型
2.5-基于HMM的语音识别声学模型


第3章 深度学习的应用

3.1-光学字符识别
3.2-深度学习与图像识别
3.3-图像识别
3.4-人脸识别
3.5-语音识别


第4章 传统区分性训练以及区分性训练统一准则框架
4.1-以图搜图
4.2-传统区分性训练以及区分性训练统一准则框架
4.3-最大户信息量估计MMLE准则
4.4-最小分类错误MCE准则
4.5-其他一些区分性训练准则
4.6-区分性统一准则


第5章 MVCE准则及其在连续语音识别中的应用
5.1-MWCE准则与其在连续语音中的应用
5.2-MCE准则
5.3-区分性训练准则
5.4-人脸表情识别


第6章 TensorFlow 实战
6.1-主流深度学习框架对比
6.2-TensorFlow
6.3-Caffe
6.4-Theano
6.5-Torch
6.6-Lasagne以及Keras
6.7-MXNet DIGITS CNTK
6.8-DL4J Chainer Leaf














目标1、了解深度学习的概念


目标2、了解深度学习的应用


目标3、熟悉主流框架




亮点一、由浅入深,逐渐熟悉并掌握深度学习历史背景到深入的各个知识点


亮点二、演示与PPT结合,穿插着讲解每个知识点


亮点三、讲解了主流深度学习框架对比,深入理解深度学习的框架TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。


 

1.针对人群:

1.1、具有一定的大数据基础的学员,想通过本课程的学习,掌握Kafka分布式消息系统的学员,掌握hadoop基础知识,对底层架构有较深的认识,适合于算法初学者
1.2、适合于在校大学生
1.3、适合于算法爱好者
1.4、适合于即将踏入IT行业的求职者以及已跨入工作的行业者。


2.我该怎么学,如何才能学好这门课程,给些建议。

   4.1、时间上的安排建议
      本课程共27课时,如果您时间上充分,建议以每天1-2讲的进度往前学习。 
   4.2、学习要求
      如果您没有基础,建议还是中规中矩的按照课程进度一点一点仔细观看学习,并一定要把看完的视频中的代码自己手敲一遍,以加深理解和记忆
      如果您有基础,可不必按步就搬进行,可以拿你感兴趣的部分去学习,但一定要注意实践,并学会举一反三 
   4.3、讲师建议
         1.最好看完视频之后,抛开视频,独立自己去把上课中的示例写一遍,看自己是否理解,如果不正确,可以回过头看再看下视频,如果反复,达到真正理解和熟练掌握的目的。
         2.对于项目实战部分,一定要自己亲自动手做一遍,不要满足听完就OK了
         3. 建议一般听视频,一般拿个纸和笔,做一些记录和笔记,这是一种非常好的学习习惯。
         4. 一定不要过于依赖视频,要学会看API和使用百度,学会思考,学会举一反三
         5. 最后祝您学有所成




课程是属于某个特定的专业技术,掌握该技术后,你可以从事以下职位的相关工作


1、大数据研发工程师;
2、大数据分析算法研究员;
3、人工智能、大数据工程师;