北京深度學(xué)習(xí)-基于Tensorflow的實(shí)戰(zhàn)

關(guān)于舉辦“深度學(xué)習(xí)-基于Tensorflow的實(shí)戰(zhàn)”培訓(xùn)的通知

各有關(guān)單位：

中國科學(xué)院計(jì)算技術(shù)研究所是國家專門的計(jì)算技術(shù)研究機(jī)構(gòu)，同時(shí)也是中國信息化建設(shè)的重要支撐單位，中科院計(jì)算所培訓(xùn)中心是致力于高端IT類人才培養(yǎng)及企業(yè)內(nèi)訓(xùn)的專業(yè)培訓(xùn)機(jī)構(gòu)。中心憑借科學(xué)院的強(qiáng)大師資力量，在總結(jié)多年大型軟件開發(fā)和組織經(jīng)驗(yàn)的基礎(chǔ)上，自主研發(fā)出一整套課程體系，其目的是希望能夠切實(shí)幫助中國軟件企業(yè)培養(yǎng)高級軟件技術(shù)人才，提升整體研發(fā)能力，迄今為止已先后為國家培養(yǎng)了數(shù)萬名計(jì)算機(jī)專業(yè)人員，并先后為數(shù)千家大型國內(nèi)外企業(yè)進(jìn)行過專門的定制培訓(xùn)服務(wù)。

深度學(xué)習(xí)是對使用多層神經(jīng)網(wǎng)絡(luò)過程進(jìn)行機(jī)器學(xué)習(xí)的統(tǒng)稱，多層神經(jīng)網(wǎng)絡(luò)是一種利用多種數(shù)學(xué)方法，及其方法組合的模型。近幾年人們有能力卓有成效地利用神經(jīng)網(wǎng)絡(luò)，其原因主要一是獲取足夠數(shù)量的數(shù)據(jù)成為現(xiàn)實(shí)；二是得益于通用GPU的快速發(fā)展，多層神經(jīng)網(wǎng)絡(luò)擁有了超越其他機(jī)器學(xué)習(xí)方法的優(yōu)勢。當(dāng)決定如何*有效地利用數(shù)據(jù)時(shí)，深度學(xué)習(xí)能夠賦予模型更大的靈活性。

TensorFlow是谷歌開源的主流深度學(xué)習(xí)框架，目前已在谷歌、優(yōu)步、京東、小米等科技公司廣泛應(yīng)用。本課程使用TensorFlow框架作為深度學(xué)習(xí)入門，使學(xué)員以*快、*有效的方式上手TensorFlow和深度學(xué)習(xí)。課程中省去了深度學(xué)習(xí)繁瑣的數(shù)學(xué)模型推導(dǎo)，從實(shí)際應(yīng)用問題出發(fā)，通過具體的TensorFlow樣例程序介紹如何使用深度學(xué)習(xí)解決這些問題，包含了深度學(xué)習(xí)的知識和大量實(shí)踐經(jīng)驗(yàn)，幫助學(xué)員走進(jìn)這個(gè)最新、*火的人工智能領(lǐng)域。

本培訓(xùn)介紹基于TensorFlow進(jìn)行數(shù)據(jù)處理、數(shù)據(jù)探索的基本方法，并對TensorFlow算法原理及實(shí)現(xiàn)進(jìn)行講解。

一、培訓(xùn)對象

1，系統(tǒng)架構(gòu)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(luò)采集、處理和規(guī)劃的負(fù)責(zé)人、設(shè)計(jì)人員。

3，政府機(jī)關(guān)，金融保險(xiǎn)、移動(dòng)等以互聯(lián)網(wǎng)信息為數(shù)據(jù)來源單位的負(fù)責(zé)人。

4，高校、科研院所牽涉到網(wǎng)絡(luò)數(shù)據(jù)采集與數(shù)據(jù)處理及展現(xiàn)的項(xiàng)目負(fù)責(zé)人。

二、學(xué)員基礎(chǔ)

1，對IT系統(tǒng)設(shè)計(jì)有一定的理論與實(shí)踐經(jīng)驗(yàn)。

2，有一定的機(jī)器學(xué)習(xí)基礎(chǔ)知識和開發(fā)經(jīng)驗(yàn)。

3，有一定的機(jī)器學(xué)習(xí)與大數(shù)據(jù)處理的知識。

三、師資

由業(yè)界知名大數(shù)據(jù)專家親自授課：

楊老師 主要研究網(wǎng)絡(luò)信息分析、機(jī)器學(xué)習(xí)以及大數(shù)據(jù)相關(guān)技術(shù)，長期從事網(wǎng)絡(luò)信息處理、機(jī)器學(xué)習(xí)以及大數(shù)據(jù)分析系統(tǒng)的研究開發(fā)工作，主持和參與了多個(gè)國家和省部級基金項(xiàng)目，具有豐富的工程實(shí)踐及軟件研發(fā)經(jīng)驗(yàn)。

四、培訓(xùn)內(nèi)容

第1講 深度學(xué)習(xí)簡介

1) 人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)

2) 深度學(xué)習(xí)的發(fā)展歷程

3) 深度學(xué)習(xí)的應(yīng)用

4) 深度學(xué)習(xí)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(chǔ)

1) TensorFlow計(jì)算模型及計(jì)算圖

2) TensorFlow數(shù)據(jù)模型及張量

3) TensorFlow運(yùn)行模型及會(huì)話

4) 神經(jīng)網(wǎng)絡(luò)及前向傳播算法簡介

5) TensorFlow訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型

第4講 深層神經(jīng)網(wǎng)絡(luò)

1) 深度學(xué)習(xí)與深層神經(jīng)網(wǎng)絡(luò)

2) 損失函數(shù)定義

3) 神經(jīng)網(wǎng)絡(luò)優(yōu)化算法

4) 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率的設(shè)置

5) 過擬合問題及滑動(dòng)平均模型

第5講 MNIST數(shù)字識別

1) MNIST數(shù)據(jù)處理

2) TensorFlow訓(xùn)練神經(jīng)網(wǎng)絡(luò)

3) 不同模型效果比較及變量管理

4) TensorFlow模型持久化

5) TensorFlow實(shí)踐樣例

第6講 圖像識別與卷積神經(jīng)網(wǎng)絡(luò)

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(luò)簡介

3) 卷積層和池化層

4) LeNet-5模型和Inception-v3模型

5) TensorFlow實(shí)現(xiàn)遷移學(xué)習(xí)

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(duì)列與多線程

4) 輸入文件隊(duì)列

5) 組合訓(xùn)練數(shù)據(jù)（batching）

第8講 循環(huán)神經(jīng)網(wǎng)絡(luò)

1) 循環(huán)神經(jīng)網(wǎng)絡(luò)簡介

2) 長短時(shí)記憶網(wǎng)絡(luò)（LTSM）結(jié)構(gòu)

3) 雙向循環(huán)和深層循環(huán)神經(jīng)網(wǎng)絡(luò)

4) 樣例應(yīng)用-自然語言建模

5) 樣例應(yīng)用-時(shí)間序列預(yù)測

第9講 TensorBoard可視化

1) TensorBoard簡介

2) TensorFlow計(jì)算圖可視化

3) 命名空間與節(jié)點(diǎn)信息

4) 監(jiān)控指標(biāo)可視化

第10講 TensorFlow計(jì)算加速

1) TensorFlow使用GPU

2) 深度學(xué)習(xí)訓(xùn)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(xùn)練

五、培訓(xùn)目標(biāo)

1，全面了解深度學(xué)習(xí)和Tensorflow的相關(guān)知識。

2，學(xué)習(xí)Tensorflow的核心技術(shù)方法以及應(yīng)用特征。

3，深入使用Tensorflow在深度學(xué)習(xí)中的使用。

六、培訓(xùn)時(shí)間、地點(diǎn)

時(shí)間： 2018年6月28日-6月29日 地點(diǎn)：北京

七、證書

培訓(xùn)結(jié)束，頒發(fā)中科院計(jì)算所職業(yè)培訓(xùn)中心“深度學(xué)習(xí)-基于Tensorflow的實(shí)戰(zhàn)”結(jié)業(yè)證書。

八、費(fèi)用

培訓(xùn)費(fèi)：5500元/人（含教材、證書、午餐、學(xué)習(xí)用具等）。住宿協(xié)助安排，費(fèi)用自理。