基于Python的Tensorflow進(jìn)階實(shí)戰(zhàn)其它上課時(shí)間：

• 2021/8/19至2021/8/20 北京

1，系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級(jí)程序員、資深開發(fā)人員。

深度學(xué)習(xí)是對(duì)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(shì)。當(dāng)決定如何最有效地利用數(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)員以最快、最有效的方式上手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)的入門知識(shí)和大量實(shí)踐經(jīng)驗(yàn)，幫助學(xué)員走進(jìn)這個(gè)最新、最火的人工智能領(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(duì)TensorFlow算法原理及實(shí)現(xiàn)進(jìn)行剖析。
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(shí)。
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。

課程大綱

第1講Tensorflow基礎(chǔ)
1)TensorFlow系統(tǒng)架構(gòu)
2)數(shù)據(jù)流圖
3)TensorFlow基本概念
4)TensorFlow實(shí)現(xiàn)數(shù)據(jù)流圖
5)可視化數(shù)據(jù)流圖
6)TensorFlow分布式
第2講TensorFlow圖像處理
1)加載圖像
2)圖像格式
3)把圖像轉(zhuǎn)換為TFRecord文件
4)讀取TFRecord文件
5)圖像處理實(shí)例
6)全新的數(shù)據(jù)讀取方式—DatasetAPI
第3講Tensorflow神經(jīng)元函數(shù)
1)激活函數(shù)
2)sigmoid函數(shù)
3)代價(jià)函數(shù)
4)softmax_cross_entropy函數(shù)
第4講TensorFlow自編碼器
1)自編碼簡(jiǎn)介
2)降噪自編碼
3)自編碼器解析手寫數(shù)字
4)實(shí)例：用自編碼預(yù)測(cè)信用卡欺詐
第5講TensorFlow實(shí)現(xiàn)Word2vec
1)詞向量及其表達(dá)
2)Word2vec原理
3)skim-gram模型
4)實(shí)例：TensorFlow實(shí)現(xiàn)Word2Vec
第6講TensorFlow卷積神經(jīng)網(wǎng)絡(luò)
1)卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
2)卷積層
3)池化層
4)歸一化層
5)Tensorflow實(shí)現(xiàn)簡(jiǎn)單卷積神經(jīng)網(wǎng)絡(luò)
6)TensorFlow實(shí)現(xiàn)進(jìn)階卷積神經(jīng)網(wǎng)絡(luò)
7)幾種經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)
第7講TensorFlow循環(huán)神經(jīng)網(wǎng)絡(luò)
1)循環(huán)神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
2)前向傳播與隨時(shí)間反向傳播
3)梯度消失或爆炸
4)RNN其他變種
5)RNN應(yīng)用場(chǎng)景
6)實(shí)例：用LSTM實(shí)現(xiàn)分類
第8講TensorFlow高層封裝
1)TensorFlow高層封裝簡(jiǎn)介
2)Estimator簡(jiǎn)介
3)實(shí)例：使用Estimator預(yù)定義模型
4)實(shí)例：使用Estimator自定義模型
5)Keras簡(jiǎn)介
6)實(shí)例：Keras實(shí)現(xiàn)序列式模型
7)TFLearn簡(jiǎn)介
第9講情感分析及實(shí)操
1)深度學(xué)習(xí)與自然語(yǔ)言處理
2)詞向量簡(jiǎn)介
3)循環(huán)神經(jīng)網(wǎng)絡(luò)
4)遷移學(xué)習(xí)簡(jiǎn)介
5)實(shí)例：TensorFlow實(shí)現(xiàn)情感分析
第10講用TensorFlow預(yù)測(cè)乳腺癌
1)數(shù)據(jù)說明
2)數(shù)據(jù)預(yù)處理
3)探索數(shù)據(jù)
4)構(gòu)建神經(jīng)網(wǎng)絡(luò)
5)訓(xùn)練并評(píng)估模型
第11講聊天機(jī)器人及實(shí)操
1)聊天機(jī)器人原理
2)Encoder-Decoder架構(gòu)
3)帶注意力的框架
4)用TensorFlow實(shí)現(xiàn)聊天機(jī)器人
第12講人臉識(shí)別及實(shí)操
1)人臉識(shí)別簡(jiǎn)介
2)人臉識(shí)別流程
3)項(xiàng)目概況
4)實(shí)施步驟
第13講強(qiáng)化學(xué)習(xí)基礎(chǔ)
1)強(qiáng)化學(xué)習(xí)簡(jiǎn)介
2)強(qiáng)化學(xué)習(xí)常用算法
3)Q-Learning算法
4)DQN算法
第14講生成式對(duì)抗網(wǎng)絡(luò)
1)生成ndarray的幾種方式
2)存取元素
3)矩陣操作
4)數(shù)據(jù)合并與展平
5)通用函數(shù)
6)廣播機(jī)制

課程主講

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(zhǎng)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(guó)家和省部級(jí)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)。