致力于提升研发企业的持续创新能力

课程简介

课程深入讲解Tensorflow/keras人工智能开发框架的技术要点、原理、API、模型建设及使用等知识，然后通过多个实例详细详解Tensorflow/keras框架及算法在实践应用中的使用，包括感知机模型、各种CNN（LeNet、AlexNet、VGGNet、InceptionNet、ResNet等）模型、RNN模型，以及生成对抗网络GANs、迁移学习、深度强化学习等，并体系化介绍了深度学习框架在图像、自然语言与舆情、金融风控、营销、运维、知识图谱等多个行业领域的应用实践，旨在让学习者实际地掌握框架的用法以及在各行业实践中的使用范围、流程与方法。

课程目标

掌握Tensorflow/Keras框架技术要点

掌握Tensorflow/Keras框架的使用方法

掌握Tensorflow/Keras框架的常用算法与模型

掌握Tensorflow/Keras框架的根本原理

掌握Tensorflow/Keras框架在典型实践应用中的使用流程与方法

课程时长建议

2天

课程大纲

一、深度学习技术导论

1、深度神经网络技术导论

2、误差反向传播与典型的神经网络结构

3、典型的深度学习框架

4、Tensorflow Keras试验环境搭建

二、深度学习Tensorflow、Eager Execution与Keras框架

1、TensorFlow深度学习框架讲解及示例

TensorFlowv深度学习框架

TensorFlow单层感知机、多层感知机与CNN

2、Eager execution模式讲解及示例

Functions,Not Sessions

利用 AutoGraph 和 Python 控制流程

Eager的单层感知机模型

3、使用 Keras层和模型来管理变量

4、Tensorflow建议使用的方法

三、深度学习Tensorflow  Keras编程教程

1.   TensorFlow 2.0 教程- Keras 结构初探

2.   TensorFlow 2.0 教程- Keras模块

3.   TensorFlow 2.0 教程-keras 序列式与函数式api

4.   TensorFlow 2.0 教程-keras激励、损失与优化器

5.   TensorFlow 2.0 教程-使用keras构建、训练、评估与预测模型

6.   TensorFlow 2.0 教程-keras高级编程

多输入、多输出与共享模型

构建自己的Model

构建自己的Layers

中断、冻结以及keras模型库

7.   TensorFlow 2.0 教程-keras模型保存和序列化

8.   TensorFlow 2.0 教程-深度学习编程实例

KERAS实现多层感知机

KERAS实现CNN

四、    keras高级编程

1、自编码器原理

2、KERAS实现自编码器

3、自编码器实例讲解

五、   Keras实现卷积神经网络

1、卷积神经网络原理详解

2、KERAS实现LetNet-5

3、KERAS实现ALEXNET

4、KERAS实现VGGNET

5、KERAS实现GOOGLEINEPTIONNET

6、KERAS实现RESNET

7、实例讲解

六、   Keras实现循环神经网络

1、循环神经网络原理

2、RNN原理

3、LSTM原理

4、KERAS实现RNN实例

5、KERAS实现LSTM实例

七、    Keras实现生成对抗网络GANs

1、生成对抗网络(GAN)原理

2、KERAS实现简单的GAN

3、KERAS实现GAN的不同变体

4、GANs的应用领域

5、实例讲解

八、   Keras实现迁移学习

1、迁移学习原理

2、KERAS实现迁移学习

3、实例讲解

九、   Keras实现深度强化学习

1、深度强化学习原理

2、强化学习仿真环境GYM搭建

3、KERAS与GYM仿真环境进行深度Q学习

4、KERAS实现DQN玩转FLAPPYBIRD

十、   深度学习行业应用实践教程

1、深度学习前沿进展与趋势展望

2、深度学习应用领域综述

3、在图像识别中的应用

a)   应用场景

b)   应用案例

c)   重点公司分析

4、在自然语言处理中的应用

a)   应用场景

b)   应用案例

c)   重点公司分析

5、金融风控与反欺诈

a)   应用场景

b)   应用案例

c)   重点公司分析

6、智能营销与智能运维

7、深度学习与知识图谱

8、其它应用领域实践示例