•  課程目標

  本課程上半部分會從Tensorflow的安裝開始，講解Tensorflow中的各種技術(shù)細節(jié)。讓大家快速上手編寫神經(jīng)網(wǎng)絡。也會補充一些深度學習相關(guān)的理論知識，如交叉熵，Softmax函數(shù)，各種優(yōu)化器的算法和應用等內(nèi)容。 下半部分會講解幾個深度學習的項目，如圖像識別，驗證碼識別，word2vec，語音分類等。
  

  
  

•  師資團隊

• 華清創(chuàng)客企業(yè)內(nèi)訓講師，均是來自各個領(lǐng)域的資深專家，均擁有6年以上大型項目經(jīng)驗。

•  培養(yǎng)對象

  1、對深度學習感興趣的學員
  2、想從事深度學習相關(guān)工作的學員
  3、想儲備深度學習技能的學員

•  培訓方式

第一種：華清創(chuàng)客講師面授
課時：共4天，每天6學時，總計24學時
◆費用：3200元
◆外地學員：代理安排食宿（需提前預定）

第二種：線上直播授課
直播課時：共8天，每天3學時，總計24學時；
輔導：授課期間，輔導老師每天有1小時的輔導直播
◆費用：3200元

第三種：企業(yè)訂制培訓
課時：根據(jù)定制的大綱確定課時
費用：根據(jù)課程難度，每課時2000~3500元

• •  質(zhì)量保證

    1、培訓過程中，如有部分內(nèi)容理解不透或消化不好，可免費在下期培訓班中重聽；

    2、培訓結(jié)束后免費提供一個月的技術(shù)支持，充分保證培訓后出效果；

    3、培訓合格學員可享受免費推薦就業(yè)機會。

  •  課程大綱

    
    

    第一章：Tensorflow概述     

    1.1 tensorflow簡介       

             1.2 Anaconda的安裝    

             1.3 Tensorflow的安裝  

     

    第二章：Tensorflow簡單案例     

    2.1 創(chuàng)建圖-啟動圖       

             2.2 變量        

             2.3 fetch and feed

             2.4 Tensorflow簡單案例

            

    第三章：MNIST講解    

    3.1 非線性回歸   

             3.2 MNIST數(shù)據(jù)集和Softmax講解      

             3.3 MNIST數(shù)據(jù)集分類簡單版本          

     

    第四章：優(yōu)化器介紹及使用        

    4.1 交叉熵(cross-entropy)   

             4.2 過擬合以及Dropout介紹    

             4.3 優(yōu)化器Optimizer  

             4.4 優(yōu)化器的使用        

             4.5 實操：網(wǎng)絡優(yōu)化   

     

    第五章：Tensorboard介紹及使用       

    5.1 Tensorboard網(wǎng)絡結(jié)構(gòu)   

             5.2 Tensorboard網(wǎng)絡運行   

             5.3 Tensorboard可視化

            

    第六章：CNN介紹和應用   

    6.1 卷積神經(jīng)網(wǎng)絡CNN介紹       

             6.2 CNN應用于MNIST數(shù)據(jù)集分類    

             6.3 實操：調(diào)試CNN結(jié)構(gòu)和運行結(jié)果

            

    第七章：LSTM介紹和使用  

    7.1 遞歸神經(jīng)網(wǎng)絡RNN        

             7.2 長短時記憶網(wǎng)絡LSTM

             7.3 LSTM網(wǎng)絡程序       

             7.4 outputs和final state詳解     

     

    第八章：圖像識別        

    8.1 參數(shù)保存        

             8.2 模型保存        

             8.3 下載Google圖像識別網(wǎng)絡inception-v3并查看結(jié)構(gòu)          

             8.4 實操：使用inception-v3做各種圖像的識別

            

    第九章：模型識別        

    9.1 GPU版本的Tensorflow安裝

             9.2 Retrain圖像識別模型    

             9.3 實操：使用TFRecord訓練圖像識別模型    

     

    第十章：驗證碼處理    

    10.1 生成驗證碼

             10.2 多任務學習

             10.3 使用多任務學習完成驗證碼識別       

             10.4 檢驗驗證碼識別效果

             10.5 實操：動手實現(xiàn)驗證碼識別      

     

    第十一章：word2vec介紹和實現(xiàn)        

    11.1 word2vec介紹和實現(xiàn)  

             11.2 實操：使用CNN完成文本分類 

     

    第十二章：語音信號處理以及完成分類    

    12.1 語音信號處理      

             12.2 實操：使用LSTM完成語音分類