深度学习培训视频 | 人工智能实战教程

课程概览
授课讲师
课程大纲
实验列表

深度学习培训视频 | 人工智能实战教程

课程概览
授课讲师
课程大纲
实验列表

深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标：人工智能。人工智能培训享受IT培训订阅制的灵活学习模式，涵盖在线直播互动、面授课程深度解析及海量视频订阅资源等。

课程概览

深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。

人工智能：
人工智能是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新技术科学。它的目标是使计算机能够模拟人类的智能行为，包括学习、推理、决策、理解自然语言、识别图像等。人工智能的应用领域广泛，涵盖了医疗、金融、交通、教育、娱乐等多个行业。

深度学习：
深度学习是机器学习的一个分支，它基于神经网络结构，通过多层次的非线性转换来学习复杂的表示和模式。深度学习的核心技术是神经网络，它由多个节点（神经元）和它们之间的连接（权重）组成。通过大量的数据、复杂的计算和优化算法，深度学习可以从数据中学习模式和规律，并使用这些知识来进行分类、预测和决策等任务。

随着技术的不断进步和应用场景的不断扩展，人工智能与深度学习将继续相互融合、相互促进。未来，我们可以期待看到更多基于深度学习的创新应用涌现出来，如更加智能的机器人、更加精准的医疗诊断、更加高效的金融服务等。同时，随着技术的不断成熟和完善，人工智能与深度学习也将为人类社会的发展带来更多的便利和福祉。

授课讲师

蔡老师

专业经验：蔡老师拥有深厚的Oracle数据库专业背景，具备多年数据库运维和开发经验。在多家知名银行和互联网公司担任关键技术岗位，负责数据库平台的设计、搭建、性能调优和故障处理。教学经验：五年的专业IT教学经验，对Oracle技术结构体系有深刻的认识和理解。能够以形象生动的方式讲解复杂概念，注重教学的深度和广度。擅长领域： Oracle数据库管理与优化数据库架构设计与实施数据库性能调优与故障排除数据库安全与高可用性解决方案蔡老师凭借其丰富的实战经验和教学经验，能够有效地传授Oracle数据库的专业知识，帮助学生构建扎实的技术基础并提升实战能力。他的课程深受学员好评，被认为是技术教育领域的专家。成功领导电信翼支付的年度巡检项目，为20套系统提供深度优化建议，有效处理了UNDO表空间使用率100%的问题，获得客户的高度认可。管理娇兰佳人电商的POS和WMS业务数据库维保，涉及30+套上T级别数据库，确保了业务数据库的稳定运行。为中国燃气全公司7套Oracle数据库提供维保服务，保障了业务数据库的稳定和高效运行。在中移动（西藏）计费系统割接项目中，负责10g到11g的数据迁移工作，处理了20T的数据量，编写并优化了数据同步及校验脚本，确保了割接过程的顺利进行。

课程大纲

第1章感知机
第1节感知机是什么

视频名称:1.1 感知机是什么.mp4
第2节简单逻辑电路

视频名称:1.2 简单逻辑电路.mp4
第3节感知机的实现
第4节感知器机的局限性
第5节多层感知机

第2章神经网络
第1节从感知机的神经网络
第2节激活函数
第3节多维数组的运算
第4节 3层神经网络的实现
第5节输出层的设计
第6节手写数字识别

第3章神经网络的学习
第1节从数据中学习
第2节损失函数
第3节数值微分
第4节学习算法的实现

第4章误差反向传播
第1节计算图
第2节链式法则
第3节反向传播
第4节简单层的实现
第5节激活函数层的实现
第6节 Affine/Softmax层的实现
第7节误差反向传播法的实现

第5章与学习相关的技巧
第1节参数的更新
第2节权重的初始值
第3节 Batch Normalization
第4节正则化
第5节超参数验证

第6章卷积神经网络
第1节整体结构
第2节卷积层
第3节池化层
第4节卷积层和池化层的实现
第5节 CNN的实现
第6节 CNN的可视化
第7节具有代表性的CNN

第7章深度学习
第1节加深网络
第2节深度学习的小历史
第3节深度学习的高速化
第4节深度学习的应用案例

第8章深度学习框架
第1节 sklearn
第2节 PyTorch
第3节 Tensorflow和keras

实验列表

实验名称感知机实现异或门
实验描述异或门是常用的电路之一，本次实验将使用感知机实现与门、与非门、或门。并把前面几个感知机组合层多层感知机，实现异或门。

实验名称手写数字识别
实验描述使用一个两层神经网络完成MNIST手写数字识别的问题。

实验名称优化器对比实验
实验描述以实验2的网络为基础，分布使用SGD、Momentum、Adagrad、Adam优化器进行训练，对比最终效果。

实验名称卷积神经网络
实验描述使用框架实现神经网络。并在FashionMnist数据集上进行训练。

节数	上课时间	星期一	星期二	星期三	星期四	星期五	星期六	星期天
第1节	08:00 - 08:40
第2节	09:00 - 09:40
第3节	10:00 - 10:40
第4节	11:00 - 11:40
第5节	14:00 - 14:40
第6节	15:00 - 15:40
第7节	16:00 - 16:40
第8节	17:00 - 17:40

天数	上课日期	上课时间	内容

深度学习培训视频 | 人工智能实战教程

课程概览

授课讲师

课程大纲

实验列表

相关课件 更多

相关课程

相关课件更多