深度學(xué)習(xí)Tensorflow培訓(xùn)

深度學(xué)習(xí)及CNN

1. 深度學(xué)習(xí)簡(jiǎn)介

2. 談?wù)凜NN

3. 正向傳播與反向求導(dǎo)及練習(xí)

4. CNN模型的推導(dǎo)與實(shí)現(xiàn)

5. CNN應(yīng)用：物體分類(lèi)

6. CNN 常見(jiàn)問(wèn)題與總結(jié)

RNN和LSTM

7. RNN

8. RNN的反向求導(dǎo)及練習(xí)

9. RNN模型的推導(dǎo)與實(shí)現(xiàn)

10. RNN應(yīng)用：個(gè)性化電影推薦

11. RNN常見(jiàn)問(wèn)題與總結(jié)

12. LSTM

13. LSTM模型的推導(dǎo)與實(shí)現(xiàn)

14. LSTM的反向求導(dǎo)及練習(xí)

15. LSTM應(yīng)用：文本識(shí)別

16. LSTM常見(jiàn)問(wèn)題總結(jié)

DNN

17. DNN

18. DNN模型的推導(dǎo)與實(shí)現(xiàn)

19. DNN的反向求導(dǎo)及練習(xí)

20. DNN應(yīng)用：CTR預(yù)估

21. DNN常見(jiàn)問(wèn)題總結(jié)

垂直應(yīng)用領(lǐng)域

22. 概述

23. 目標(biāo)檢測(cè)：ObjectDetection

24. 文本相關(guān)（NLP）：Word2Vec、CBOW、DSSM

25. 聲紋識(shí)別：DNN

26. 文字識(shí)別（OCR）：VGGNet、CNN

深度學(xué)習(xí)框架及Tensorflow

27. 業(yè)界主流深度學(xué)習(xí)框架

Tensorflow、PyTorch、Paddle、Oneflow

28. TensorFlow和其他深度學(xué)習(xí)框架的對(duì)比

29. Tensorflow 特性

30. Tensorflow 下載及安裝

Tensorflow

31. 架構(gòu)原理

32. Tensorflow基本使用

33. TensorFlow實(shí)現(xiàn)多層感知機(jī)

34. TensorFlow實(shí)現(xiàn)進(jìn)階的卷積網(wǎng)絡(luò)

35. TensorFlow實(shí)現(xiàn)經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)

36. TensorFlow實(shí)現(xiàn)ResNet

模型訓(xùn)練

37. 模型訓(xùn)練技巧與方法

1）數(shù)據(jù)樣本處理 2）調(diào)參 3）模型調(diào)優(yōu)

38. 梯度下降優(yōu)化方法

39. Tensorflow 實(shí)現(xiàn)循環(huán)神經(jīng)網(wǎng)絡(luò)及Word2Vec

1）Tensorflow 實(shí)現(xiàn)Word2Vec 2）Tensorflow 實(shí)現(xiàn)基于LSTM的語(yǔ)言模型

深度強(qiáng)化學(xué)習(xí)和遷移學(xué)習(xí)

40. 深度強(qiáng)化學(xué)習(xí)簡(jiǎn)介

41. TensorFlow實(shí)現(xiàn)策略網(wǎng)絡(luò)

42. TensorFlow實(shí)現(xiàn)估值網(wǎng)絡(luò)

43. 遷移學(xué)習(xí)簡(jiǎn)介

44. 遷移學(xué)習(xí)的理論概述

45. 遷移學(xué)習(xí)的常見(jiàn)方法及案例

TensorBoard、多GPU并行及分布式并行

46. TensorBoard介紹及使用

47. 多GPU并行訓(xùn)練

48. 分布式訓(xùn)練

49. AI平臺(tái)及整體流程簡(jiǎn)介