「深度學習理論與解決方案應用高級培訓班」通知
隨著人工智慧（AI）特別是深度學習（Deep Learning）近年來的飛速發展，在多個領域的成功應用，已經成為當前學術界和各行業最炙手可熱的研究應用方向。不僅廣泛應用於搜索引擎、電子商務、社交網路等互聯網服務，並且在計算視覺、自然語言處理、金融、生物醫藥等行業AI的研究與應用也呈現爆髮式增長。同時由於深度學習（Deep Learning）需要處理的海量數據非常龐大，GPU（CUDA、OPENACC、OPENCL）計算在人工智慧/深度學習領域展現出相比傳統CPU計算巨大的優勢，極大的提高了計算能力，降低時間成本，已經成為深度學習計算的首選解決方案。為加強AI技術的創新發展和應用，培養社會急缺的深度學習專業人才，中國科學院計算技術研究所煙台分所特別深度學習領域的專家，舉辦「深度學習理論與實戰及GPU高性能計算解決方案應用高級培訓班「。
主辦單位： 北京中科雲暢應用技術研究院
承辦單位：北京嘉誠永恆科技有限公司
培訓時間地點： 2018年 4月20日 — 2018年4月 23日 西安電子科技大學
培訓費用：每人 3900元（含報名費、培訓費、資料費），食宿可統一安排，費用自理。
培訓目標：通過講授機器學習和深度學習理論及演算法，讓學員對機器學習、深度學習技術方法有深入的理解，同時學習深度學習開源平台的開發方法，學習並實踐深度學習解決方案。
培訓對象：院校計算機專業、網路通信專業、電子工程專業、信息計算科學專業、統計學專業等對AI /深度學習技術及研發感興趣的老師、研究生等。相關從事大數據、數據挖掘、機器學習、計算視覺、自然語言處理、人機交互等領域研發的單位的技術部門、IT企業的工程師、研發負責人、演算法工程師等。
培訓方式: 1、培訓講座； 2、高性能計算環境下的上機實操 3、專題小組研討與案例講解分析結合；
主講專家：
主講專家來自中科院及高校的深度學習和高性能計算高級專家，擁有豐富的科研及工程技術經驗，長期從事計算領域國家重大項目研究，具有資深的技術底蘊和專業背景。
培訓課程大綱
在深度學習的基本概念和技術方法的基礎上闡述深度學習的基本思想和解決問題的基本思維模式，從理論到實踐逐步提升對深度學習技術方法的理解；從模型表達能力到計算複雜度兩個層次幫助學員理解從數據推知數據蘊含的結構、解決問題的技巧。結合應用案例和開發框架構建學員從所學理論到實踐解決問題的理論和工程相結合的能力。針對學員面對的實踐問題展開討論、方案建議。為學員配備由淺入深的參考書和深度學習開發教材，便於課後逐步提高能力。
註：三天都是在機房上課，針對算例進行的上機實操！報名學員可以提前把感興趣的內容和要解決的問題帶到會場上，和主講老師及其他學員交流學習！
一、深度學習Deep Learning基礎和基本思想
1. 人工智慧概述、計算智能、類腦智能
2. 機器學習概述、記憶學習、歸納學習、統計學習
3. 深度學習的前生今世、發展趨勢
4. 人工神經網路、前饋神經網路、BP演算法 、Hessian矩陣、結構性特徵表示
二、深度學習Deep Learning基本框架結構
1. Tensorflow詳解和實踐
三，深度學習Deep Learning-卷積神經網路
1. CNN卷積神經網路
卷積層（一維卷積、二維卷積）、池化層（均值池化、最大池化）
全連接層 激活函數層 Softmax層
2. CNN卷積神經網路改進
R-CNN （SPPNET） Fast-R-CNN Faster-R-CNN （YOLO、SSD）
3. 深度學習的模型訓練技巧
4. 梯度下降的優化方法詳解
四，深度學習Deep Learning-循環神經網路
1. RNN循環神經網路、梯度計算、BPTT
2. RNN循環神經網路改進LSTM、GRU、 Bi-RNN、 Attention based RNN
3. RNN實際應用 Seq2Seq的原理與實現
五、強化學習
1. 強化學習的理論知識
2. 經典模型DQN講解
3. AlphaGo原理講解
4. RL實際應用
六，對抗性生成網路
1. GAN的理論知識
2. GAN經典模型CGAN，LAPGAN，DCGAN
4. GAN經典模型 INFOGAN，WGAN，S2-GAN
5. GAN實際應用 DCGAN提高模糊圖片解析度
6. AN實際應用 InfoGAN做特定的樣本生成
七、遷移學習
1. 遷移學習的理論概述
2. 遷移學習的常見方法
特徵、實例、數據、深度遷移、強化遷移、研究案例
八、CNN應用案例
1. CNN與手寫數字集分類
2. YOLO實現目標檢測
3. PixelNet原理與實現
4. 利用卷積神經網路做圖像風格結合
九、深度學習Deep Learning的常用模型或者方法
1. AutoEncoder自動編碼器、VAE、GAN、VAE+GAN
2. GAN的廣泛應用
3. Sparse Coding稀疏編碼
4. Convolutional Neural Networks卷積神經網路
5. 深度推薦模型
6. 深度文檔模型
十、輔助課程
（1）疑難解答、分組討論；
（3）關鍵問題解析；
（4）學後交流、微信群、QQ群建立；
TAG:DeepAI |