深度學習-基于Tensorflow的實戰(zhàn)（楊老師）

學員基礎
1，對IT系統設計有一定的理論與實踐經驗。
2，有一定的機器學習基礎知識和開發(fā)經驗。
3，有一定的機器學習與大數據處理的知識。
 
師資
由業(yè)界知名大數據專家親自授課：
楊老師   主要研究網絡信息分析、機器學習以及大數據相關技術，長期從事網絡信息處理、機器學習以及大數據分析系統的研究開發(fā)工作，主持和參與了多個國家和省部級基金項目，具有豐富的工程實踐及軟件研發(fā)經驗。
 
培訓內容
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數據模型及張量
3) TensorFlow運行模型及會話
4) 神經網絡及前向傳播算法簡介
5) TensorFlow訓練神經網絡模型

第4講 深層神經網絡
1) 深度學習與深層神經網絡
2) 損失函數定義
3) 神經網絡優(yōu)化算法
4) 神經網絡學習率的設置
5) 過擬合問題及滑動平均模型

第5講MNIST數字識別
1) MNIST數據處理
2) TensorFlow訓練神經網絡
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網絡
1) 圖像識別問題簡介及經典數據集
2) 卷積神經網絡簡介
3) 卷積層和池化層
4) LeNet-5模型和Inception-v3模型
5) TensorFlow實現遷移學習

第7講 圖像數據處理
1) TFRecord輸入數據格式
2) TensorFlow圖像處理函數
3) 隊列與多線程
4) 輸入文件隊列
5) 組合訓練數據（batching）

第8講 循環(huán)神經網絡
1) 循環(huán)神經網絡簡介
2) 長短時記憶網絡（LTSM）結構
3) 雙向循環(huán)和深層循環(huán)神經網絡
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
 
培訓目標
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。