《深度學習—基于Tensorflow的實戰(zhàn)》課程詳情
點擊下載課大綱及報名表 第1講 深度學習簡介
1) 人工智能、機器學習與深度學習
2) 深度學習的發(fā)展歷程
3) 深度學習的應用
4) 深度學習工具介紹和對比
第2講　安裝TensorFlow
1) 選擇安裝環(huán)境
2) TensorFlow的安裝
3) 安裝Jupyter Notebook
4) 安裝matplotlib
5) TensorFlow測試樣例
第3講　TensorFlow基礎
1) TensorFlow計算模型及計算圖
2) TensorFlow數(shù)據(jù)模型及張量
3) TensorFlow運行模型及會話
4) 神經(jīng)網(wǎng)絡及前向傳播算法簡介
5) TensorFlow訓練神經(jīng)網(wǎng)絡模型
第4講 深層神經(jīng)網(wǎng)絡
1) 深度學習與深層神經(jīng)網(wǎng)絡
2) 損失函數(shù)定義
3) 神經(jīng)網(wǎng)絡優(yōu)化算法
4) 神經(jīng)網(wǎng)絡學習率的設置
5) 過擬合問題及滑動平均模型
第5講 MNIST數(shù)字識別
1) MNIST數(shù)據(jù)處理
2) TensorFlow訓練神經(jīng)網(wǎng)絡
3) 不同模型效果比較及變量管理
4) TensorFlow模型持久化
5) TensorFlow實踐樣例
第6講 圖像識別與卷積神經(jīng)網(wǎng)絡
1) 圖像識別問題簡介及經(jīng)典數(shù)據(jù)集
2) 卷積神經(jīng)網(wǎng)絡簡介
3) 卷積層和池化層
4) LeNet-5模型和Inception-v3模型
5) TensorFlow實現(xiàn)遷移學習
第7講 圖像數(shù)據(jù)處理
1) TFRecord輸入數(shù)據(jù)格式
2) TensorFlow圖像處理函數(shù)
3) 隊列與多線程
4) 輸入文件隊列
5) 組合訓練數(shù)據(jù)（batching）
第8講 循環(huán)神經(jīng)網(wǎng)絡
1) 循環(huán)神經(jīng)網(wǎng)絡簡介
2) 長短時記憶網(wǎng)絡（LTSM）結構
3) 雙向循環(huán)和深層循環(huán)神經(jīng)網(wǎng)絡
4) 樣例應用-自然語言建模
5) 樣例應用-時間序列預測
第9講 TensorBoard可視化
1)TensorBoard簡介
2) TensorFlow計算圖可視化
3) 命名空間與節(jié)點信息
4) 監(jiān)控指標可視化
第10講 TensorFlow計算加速
1) TensorFlow使用GPU
2) 深度學習訓練并行模式
3) 多GPU并行
4) 分布式TensorFlow原理
5) 分布式TensorFlow模型訓練


《深度學習—基于Tensorflow的實戰(zhàn)》培訓受眾
1，系統(tǒng)架構師、系統(tǒng)分析師、高級程序員、資深開發(fā)人員。
2，牽涉到網(wǎng)絡采集、處理和規(guī)劃的負責人、設計人員。
3，政府機關，金融保險、移動等以互聯(lián)網(wǎng)信息為數(shù)據(jù)來源單位的負責人。
4，高校、科研院所牽涉到網(wǎng)絡數(shù)據(jù)采集與數(shù)據(jù)處理及展現(xiàn)的項目負責人。

學員基礎
1，對IT系統(tǒng)設計有一定的理論與實踐經(jīng)驗。
2，有一定的機器學習基礎知識和開發(fā)經(jīng)驗。
3，有一定的機器學習與大數(shù)據(jù)處理的知識。

《深度學習—基于Tensorflow的實戰(zhàn)》課程目的
1，全面了解深度學習和Tensorflow的相關知識。
2，學習Tensorflow的核心技術方法以及應用特征。
3，深入使用Tensorflow在深度學習中的使用。


《深度學習—基于Tensorflow的實戰(zhàn)》所屬分類
特色課程

《深度學習—基于Tensorflow的實戰(zhàn)》所屬專題
學習型組織構建與發(fā)展培訓、

《深度學習—基于Tensorflow的實戰(zhàn)》授課培訓師簡介

《深度學習—基于Tensorflow的實戰(zhàn)》報名服務流程

-----------------------------------------------------------------------------------