深度学习课程

  课程天数：2天

  课程介绍

     通过4天的面授让学员全面了解Python深度学习的相关技术，包括TensorFlow深度学习框架，常用的模式设计、训练、参数调优。讲解了TensorBoard模型可视化技术，并且通过3个经典的案例从不同侧面讲解了深度学习具体实现。学完此课程学员能够完全掌握深度学习的算法和经典应用场景。

  课程收益

     熟练掌握TensorFlow深度学习框架；

     掌握声明式编程思想；

     熟练掌握各种深度学习的模型训练；

     熟练掌握深度经典实用场景；

     掌握模型测试、分析流程；

     熟练掌握Keras、DNN、CNN深度学习框架；

 培训对象

     Python中级程序员、数据分析人员、了解机器学习人员；

 课程大纲

第一单元：TensorFlow深度学习框架

     1、深度学习与机器学习区别介绍

     2、环境搭建、第一个案例

     3、张量、变量、操作

     4、会话与优化器

     5、TensorFlow流程图与可视化

第二单元：实战TensorFlow销量预测

     1、销量预测模型介绍

     2、模型的创建与训练

     3、TensorBoard可视化工具

     4、数据的分析与处理

     5、参数与模型优化

第三单元：实战TensorFlow手写体数字识别

     1、数据集MNIST介绍与获取

     2、SoftMax网络介绍

     3、简单神经网络原理分析

     4、误差反向传递训练法

     5、数字识别与提高识别率问题

第四单元：DNN深度神经网络实现手写体数字识别

     1、线性不可分问题

     2、隐藏层、输出神经元介绍与实现

     3、激活函数介绍与不同激活函数区别

     4、自定义DNN优化手写识别效率

     5、采用可视化图片显示识别结果

     6、DNN优缺点与注意事项

第五单元：CIFAR图形图像识别项目

     1、CIFAR项目需求介绍

     2、分析爱data_batch数据集

     3、CNN卷积神经网络介绍

     4、卷积、深度、池化、步长、激活函数

     5、采用CNN完成CIFAR物体分类

第六单元：采用CNN卷积实现人脸识别

     1、人脸识别数据集与算法介绍

     2、模型结构设计

     3、人脸损失函数设计

     4、模型与参数调优

     5、模型测试、分析、效果演示

第七单元：Keras介绍与实战

     1、Keras神经网络框架介绍

     2、Word2vec文字处理框架

     3、LSTM情感类分析

     4、基于Keras情感类分析

第八单元：Keras介绍与实战

     1、动物分类器实现

     2、采用Keras实现非线性回归

     3、生成式对抗神经网络原理及应用

     4、模块结构分析与优化策略

     5、深度学习总复习，和前沿文献介绍