北京人工智能与深度学习培训

导读 本培训侧重于使用深度学习技术,进行图像,语音,自然语言处理三部分内容,通过实践与理论并重,通过理论讲解,算法阐述,算法适用场景,实例分析和编码实践,以及对最新的人工智能算法的趋势和热点的分析和介绍,使学员不仅掌握机器学习,人工智能领域常用算法,而且可以在实战中应用机器学习人工智能解决*中的实际问题,从而帮助企业在人工智能时代拔得头筹占得先机。
400-888-9073 42
华为 安全 自动化运维 云计算与物联网 前沿课程 项目管理 编程语言 研发改进 软件测试 大数据与人工智能 架构设计 职业素养 管理技能

课程详情

2021-04-09

人工智能与深度学习培训

本培训侧重于使用深度学习技术,进行图像,语音,自然语言处理三部分内容,通过实践与理论并重,通过理论讲解,算法阐述,算法适用场景,实例分析和编码实践,以及对最新的人工智能算法的趋势和热点的分析和介绍,使学员不仅掌握机器学习,人工智能领域常用算法,而且可以在实战中应用机器学习人工智能解决*中的实际问题,从而帮助企业在人工智能时代拔得头筹占得先机。

人工智能与深度学习培训
一、学员基础:

了解基本统计知识,具备初步的IT基础知识和基本数学理论,可使用python,Scala编程

二、课程大纲:

1、人工智能和机器学习概述

人工智能发展史

应用场景概述:如图像识别,文本分析,推荐系统

最近成果概述:如强化学习,生成式对抗网络,基于低能量的网络,one-shot leaning

软件框架概述,如sparkML,sklean,tensorflow,caffe,Theano

2、图像识别技术--卷积神经网络CNN

卷积神经网络历史

卷积层介绍

池化层

全连接层

DropOut正则化

3、使用CNN进行语音识别

语音与稀疏编码

CNN算法在语音识别领域的应用

4、传统的自然语言处理技术

NLP应用概述

如何表达语法和语义

wordnet与语言模型

N-gram项目

传统语言模型的不足

用RNN神经网络来实现语言模型

5、自然语言处理--循环神经网络RNN

RNN应用概述

时间序列LSTM模型

自然语言处理基础

双向RNN与深度RNN

RNN实现案例

word2vec network

6、图像识别案例

1)方案介绍

案例介绍:业务功能和技术架构介绍

AI算法和模型的选择:各种神经网络算法的比较

技术实现方案的选择:开源深度学习框架的比较,TensorFlow,Caffe,

技术实现方案的选择:商业方案的概括介绍

2)项目推进的阶段:

数据准备阶段:常用数据集介绍,数据集的大小,特征的选择

模型训练阶段:超参的选择,模型的调优,过拟合问题,

预测阶段:模型的评价

7、语音识别案例

1)方案介绍

案例介绍:系统的业务功能和技术架构

语音识别算法介绍:各种神经网络算法的比较

商用方案简介:科大讯飞语音识别系统

2)项目阶段:

数据准备阶段:常用数据集介绍,数据集的大小,特征的选择

模型训练阶段:超参的选择,模型的调优,过拟合问题,

预测阶段:模型的评价

8、自然语言处理案例-聊天机器人

1)方案介绍

案例介绍:聊天机器人的使用场景

使用算法和技术介绍:分词,RNN-LSTM

2)项目阶段:

数据准备阶段:准备语料,分词的方案选择,分词组件的选择

模型训练阶段:超参的选择,模型的调优,过拟合问题

预测阶段:模型的评价和测试

9、其他热门深度学习算法

GAN对抗生成网络

强化学习概述

Transfer Learning

上一篇: 北京大数据与人工智能电信行业培训 下一篇: 北京大数据管理员应用与实践培训

推荐课程

查看全部课程
北京IT认证培训中心

北京IT认证培训中心

海淀校区

查看全部校区 进入官方主页