各有关学校:
随着人工智能(AI)特别是深度学习(Deep Learning )近年来的飞速发展,在多个领域的成功应用,已 经成为当前学术界和各行业最炙手可热的研究应用方向。不仅广泛应用于搜索引擎、电子商务、社交网络等互 联网服务,并且在计算视觉、自然语言处理、金融、生物医药等行业AI的研究与应用也呈现爆发式増长。学 习深度学习首先需要对核心理论及算法有深入理解,在理解理论的基础上才能进行应用。为加强AI技术的创 新发展和应用,培养社会急缺的深度学习专业人才,中国科学院计算技术研究所烟台分所特别邀请深度学习领 域的专家,举办"深度学习核心理论与应用实战"高级培训班。
主办单位:中国科学院计算技术研究所烟台分所烟台中科网络技术研究所 7 承办单位:北京中科云畅应用技术研究院
培训时间地点:2018年7月20日一 2018年7月23日 烟台
(第一天报道,培训三天)
培训费用:每人3900元(含报名费、培训费、资料费h食宿可统一安排,费用自理。
培训目标:在深度学习的基本概念和技术方法的基础上阐述深度学习的基本思想和解决问题的基本思维模式, 从理论到实践逐步提升对深度学习技术方法的理解;从模型表达能力到计算复杂度两个层次帮助学 员理解从数据推知数据蕴含的结构、解决问题的技巧。结合应用案例和开发框架构建学员从所学理 论到实践解决问题的理论和工程相结合的能力。针对学员面对的实践问题展开讨论、方案建议。为 学员配备由浅入深的参考书和深度学习开发教材,便于课后逐步提高能力。
培训对象:P完校计算机专业、网络通信专业、电子工程专业、信息计算科学专业、统计学专业等对AI/深度学 习技术及研发感兴趣的老师、研究生等。相关从事大数据、数据挖掘' 机器学习、计算视觉、自然 语言处理、人机交互等领域研发的单位的技术部门、IT企业的工程师、研发负责人、算法工程师等。
附件
一、主讲专家:
主讲专家来自中科院及高校的深度学习高级专家,拥有丰富的科研及工程技术经验,长期从事计算领域国 家重大项目研究,具有资深的技术底蕴和专业背景。
二、培训内容:
一、深度学习Deep Learning基础和 基本思想 |
人工智能概述、计算智能、类脑智能; 机器学习概述、记忆学习、归纳学习、统计学习; 深度学习的前生今世、发展趋势; 人工神经网络、前馈神经网络、BP算法、Hessian矩阵、 结构性特征表示; |
二、深度学习Deep Learning基本框 架结构 |
1. Tensorflow详解和实践; |
三,深度学习Deep Learning-卷积神 经网络 |
CNN卷积神经网络: 卷积层(一维卷积、二维卷积)、池化层(均值池化、最大池化) 全连接层、激活函数层、Softmax层 CNN卷积神经网络改进: R-CNN (SPPNET) Fast-R-CNN Faster-R-CNN (YOLO、 SSD) 深度学习的模型训练技巧; 梯度下降的优化方法详解; |
四,深度学习Deep Learning-循环神 经网络 |
RNN循环神经网络、梯度计算、BPTT; RNN 循环神经网络改进 LSTM、GRU、Bi-RNN、Attention based RNN; RNN实际应用Seq2Seq的原理与实现; |
五、强化学习 |
强化学习的理论知识; 经典模型DQN讲解; AlphaGo原理讲解; RL实际应用; |
六,对抗性生成网络 |
GAN的理论知识; GAN 经典模型 CGAN,LAPGAN, DCGAN; GAN 经典模型 INFOGAN, WGAN, S2-GAN; GAN实际应用DCGAN提高模糊图片分辨率; AN实际应用InfoGAN做特定的样本生成; |
七、迁移学习 |
迁移学习的理论概述; 迁移学习的常见方法: 特征、实例、数据、深度迁移、强化迁移、研宄案例; |
八、CNN应用案例 |
CNN与手写数字集分类; Y0L0实现目标检测; PixelNet原理与实现; 利用卷积神经网络做图像风格结合; |
九、深度学习Deep Learning的常用 模型或者方法 |
AutoEncoder 自动编码器、VAE、GAN、VAE+GAN; GAN的广泛应用; Sparse Coding 稀疏编码; Convolutional Neural Networks 卷积神经网络; 深度推荐模型; 深度文档模型; |
十、辅助课程 |
疑难解答、分组讨论; 关键问题解析; 学后交流、微信群、QQ群建立; |
报名咨询:
三、颁发证书:
学员经培训考试合格后可以获得:由中国科学院计算技术研究所烟台分所颁发的培训证书。 注:请学员带身份证复印件一张。请自带笔记本电脑。