您的位置：首页 > 其它

深度学习培训班路线

2017-03-16 20:27 162 查看
课程安排

第一天 

上午		一、机器学习基础1.线性代数

(1).矩阵运算  (2).向量运算

(3).SVD      (4).PCA

2.概率信息论

(1).概率分布  (2).期望、方差、协方差

(3). 贝叶斯   (4).结构概率模型

3.数值优化
二、深度学习基础1.深度学习介绍 

(1).发展历史  (2).主要应用

2.感知器      

3.人工神经网络

4.前馈神经网络  

5.BP算法      

6.Hessian矩阵
第一天

  下午		三、深度学习进阶---卷积神经网络1.CNN卷积神经网络

(1).卷积层（一维卷积、二维卷积）

(2).池化层（均值池化、最大池化）

(3). 全连接层

(4).激活函数层

(5).Softmax层

2.CNN卷积神经网络改进

(1).R-CNN （SPPNET）

(2).Fast-R-CNN

(3).Faster-R-CNN （YOLO、SSD）

3.深度学习的模型训练技巧

4.梯度下降的优化方法详解
第二天

上午		四、深度学习软件1.深度学习相关软件的安装配置与使用介绍

(1).Caffe

(2).Tensorflow

(3).Torch

(4).MXNet
第二天

下午		五、 CNN应用案例(1).CNN与手写数字集分类

(2).YOLO实现目标检测

(3).PixelNet原理与实现

(4).利用卷积神经网络做图像风格结合
第三天

上午		六、深度学习——循环神经网络1.RNN循环神经网络

(1).梯度计算

(2).BPTT

2.RNN循环神经网络改进

(1).LSTM

(2).GRU

(3).Bi-RNN

(4).Attention based RNN

3.RNN实际应用

(1).Seq2Seq的原理与实现   
第三天

下午		七、强化学习1.强化学习的理论知识

2.经典模型DQN讲解

3.AlphaGo原理讲解

4.RL实际应用

(1).实现一个AlphaGo     
第四天

上午		八、对抗性生成网络1.GAN的理论知识

2.GAN经典模型

(1).GAN，CGAN，LAPGAN，DCGAN，

3.GAN经典模型

(1). INFOGAN，WGAN，S2-GAN

4.GAN实际应用

(1).DCGAN提高模糊图片分辨率

5.GAN实际应用

(1).InfoGAN做特定的样本生成
第四天

下午		九、迁移学习1.迁移学习的理论概述

2.迁移学习的常见方法

(1).基于特征的迁移

(2).基于实例的迁移

(3).基于数据的迁移

(4).深度迁移学习

(5).强化迁移学习

(6).迁移学习的研究案例

(7).迁移学习的应用

(8).2017年AAAI最佳论文讲解：利用物理定理的知识迁移到视频理解
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息
标签： 
相关文章推荐
新的分享
章节导航