深度学习核心技术实战培训暨GPU平台实例训练
深度学习核心技术实战培训班
培训目标：
- 报名即免费赠送深度学习基础应用课程。
- 三天实操课程为每位学员提供全天的计算资源服务平台。
- 四大主要模型演练，精度均可达90%以上，常用代码助力新手上路。
- 实战模型演练直观体验深度学习核心技能。
- 深度学习模型迁移方法讲解、指导。
- 深度学习模型、算法、训练过程技巧解析。
- 每位学员免费赠送26GPU小时的训练资源及视频课程，以巩固学习成果。
时间地点:
2019年6月13日-2019年6月16日 上海
2019年6月27日-2019年6月30日 北京
(第一天全天报到，授课三天)
一、 课程体系
- 报名即免费获得深度学习入门实战视频课程
- 具体课程安排
|
免费视频课 |
1.深度学习常见开源框架介绍 2.Tensorflow开发环境安装 2.模型参数及正则化 3.深度网络构建及训练策略 4.模型输出可视化及模型评估 5.深度神经网络DNN运算原理 |
测试： 1.正确安装Tensorflow环境。 2.使用Tensorflow搭建一个神经网络，并可视化。 3.编写一个简单的DNN网络，根据初始化参数可以运算得出中间结果。 关键点： 1.对Tensorflow使用初步了解。 2.理解DNN前向传播运算的运算原理。 |
|
第一天 |
1.深度学习与人工智能 2.人工智能、深度学习的发展历程 3.基于深度学习的计算机视觉模型 4.传统线性模型的局限性 5.深度神经网络模型。 6.自动编码器AutoEncoder 7.生成对抗网络GAN 8.稀疏编码Sparse Coding 9.限制波尔兹曼机RBM 10.深度信念网络Deep Belief Networks 11.初识DNN的反向传播原理 |
实验： 1.Tensorflow中Tensor、DataFlowGraph、Placeholder、Session、Tensorboard等基本概念理解。 2.使用Tensorflow搭建一个简单的DNN网络。 3.一个可以训练的神经网络 高频问题： 1.Tensorboard无法显示。 2.模型设计的过程中的参数个数与数据规模的关系。 3.为何输入模型的数据范围是[-1, 1]。 关键点： 1.掌握Tensorflow的几个基本概念。 2.学会使用Tensorflow搭建简单的神经网络结构。 3.使用Tensorflow设计一个可以训练的基本设计原理。 |
|
第二天 |
1.卷积神经网络基本概念—卷积核 2.Pooling层设计原理以及常见Pooling介绍 3.常见**函数以及对应BP公式。 4.常用的参数初始化方法 5.常用的损失函数以及对应求解的问题。 6.常见的网络结构及演化进程 7.对抗生成网络（GAN） 8.深度学习模型的软肋—对抗样本 |
实验： 1.把现有的数据集转化成Tensorflow推荐的数据格式—TFrecord。 2.TFrecord可视化，并把数据输入到计算图。 3.Tensorflow训练模型时的基本设计原理。 高频问题： 1.TFRecord可视化时出现的Exception。 2.此设计原理的通用性。 关键点： 1.掌握如何将row data转化成TFRecord。 2.如何验证转化之后的TFRecord的正确性。 3.一个良好的Tensorflow训练预测代码的设计原理。 |
|
第三天 |
1.循环神经网络（RNN）初识 2.模型训练过程中的过拟合、欠拟合问题 3.深度学习应用—人脸识别的设计原理 |
实验： 1.使用CNN搭建LeNet解决图像分类问题。 2.使用RNN处理评论信息中情感倾向问题。 3.Tensorflow目前开源的模型以及适用的问题总结。 高频问题： 1.CNN更复杂的模型在哪里可以找到代码？ 2.RNN训练速度如何提升。 3.Tensorflow的API文档一般在哪里查看。 关键点： 1.使用卷积神经网络做图像分类。 2.NLP中情感分析初步入门。 3.常见开源代码以及适用的问题。 |
3、每位学员免费赠送课后26GPU小时平台训练以帮助学员巩固学习成果。
4、训练平台相关资源介绍，学员可以根据自己的训练计划进行配合。
（1）、学习机：
- 数据类型介绍：
Mnist：MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成。 测试集(test set) 也是同样比例的手写数字数据.
Cifar10：Cifar-10 由60000张32*32的 RGB 彩色图片构成，共10个分类。50000张训练，10000张测试（交叉验证）。
IMDB: 数据集来自 IMDB 的 25,000 条电影评论，以情绪（正面/负面）标记。评论已经过预处理，并编码为词索引（整数）的序列表示。
- 代码类型介绍：
课上教学使用代码，主要介绍Tensorflow的使用，以及一些简单网络结构的入门代码.
- 算力说明：10系NVIDIA GPU，1280CUDA核心，6G显存。
（2）、训练机：
- 数据类型介绍：
ImageNet: ImageNet项目是一个用于视觉对象识别软件研究的大型可视化数据库。超过1400万的图像URL被ImageNet手动注释，并提供边界框。
COCO：COCO的 全称是Common Objects in COntext，是微软团队提供的一个可以用来进行图像识别的数据集。MS COCO数据集中的图像分为训练、验证和测试集。
- 代码类型介绍：
Tensorflow官方代码，可以训练分类、检测、分割等基本任务。
- 算力说明：10系NVIDIA GPU，1280CUDA核心，6G显存，最新Turing架构。
（3）、高性能GPU集群：
数据类型介绍：用户自定义数据集
代码类型介绍：针对不同任务定制化代码。
算力说明：NVIDIA RTX2080Ti * n，11G大显存，Turing架构，3860 CUDA核心。
二、培训费用：
每人4580（含公开理论及实战课、网络课程、26GPU小时训练资源、证书、午餐费）
注：住宿可统一由会务组进行安排，费用自理。
三、颁发证书：
由中国管理科学研究院职业资格认证培训中心颁发的《深度学习开发与应用工程师》（高级）专业技能资格证书，官方网站查询。
人力资源与社会保障部高级公务员培训中心颁发的《深度学习应用工程师》证书，中国国家人事人才网查询，该证书直接纳入人才数据库。（加上A类共两本证书）。
四、联系方式：
联系人:朱安宁 手机：15810191373（微信同号）