AI工程师培训课程
【学习时间】
周一到周五8-17点
【授课方式】
远程+面授
【学习周期】
720课时
【学习目标】
熟悉AI工具,包括TensorFlow、Keras、Caffe、PyTorch
熟悉深度学习应用
熟悉CNN、RNN、Faster RCNN等深度神经网络模型,并掌握其相关的优化算法
了解深度学习高级算法,包括卷积神经网络、循环神经网络等
掌握优化算法和高性能计算方法
掌握NLP自然语言处理一线行业案例
掌握计算机视觉图像识别一线行业案例
【师资力量】
董雪婷(Yuki)
教龄:10年
主攻方向:人工智能
教育背景:复旦大学数学科学学院
Dr. Danian Gong
教龄:17年
主攻方向:人工智能
教育背景:
加州科技大学客座教授
ProEdst机器学习课程导师
清华大学EE专业博士学位
荣誉:硅谷人工智能科学家
【招生对象】
有一定基础的学员
【教学现场】
【课程内容】
01章预备知识:图像识别方法的演进基础
01-01开发环境配置:Anaconda环境和MXNet
01-02深度学习简介:起源、特点和发展
01-03计算机视觉概述
01-04数据操作
01-05自动求梯度
01-06图像识别的演进
01-07线性回归与线性回归的实现
01-08线性模型:对数线性二分类、多分类
01-09独热和稠密度向量表示
01-10softmax回归与实现
01-10基于深度学习的图像识别技术发展
02章深度学习基础知识
01-01线性模型的局限性:异或问题
01-02非线性输入转换、核方法、可训练的映射函数
01-03感知机和多层感知机的实现
01-04模型选择、欠拟合过拟合问题
01-05权重衰减和丢弃法
01-06实战案例:房价预测模型
01-07神经网络基础
01-08前馈神经网络、BP神经网络
01-09神经网络的训练
01-10深度学习计算
03章卷积神经网络与深度学习
01-01二维卷积层相关运算
01-02填充和步幅
01-03多输入通道和多输出通道
01-04二维最 大池化层和平均池化层
01-05卷积神经网络LeNet模型
01-06深度卷积神经网络AlexNet
01-07使用重复数据的网络
01-08网络中的网络:NIN块和NIN模型
01-09合并行连接的网络
01-10批量归一化
01-11残差网络ResNet模型
01-12稠密度连接网络DeseNet模型
04章循环神经网络与深度学习
01-01语言模型计算
01-02循环神经网络
01-03模型语言数据集
01-04循环神经网络从零开始实现
01-05循环神经网络的简介实现
01-06通过时间反向传播
01-07门控循环单元
01-08长短期记忆
01-09深度循环神经网络
01-10双向循环神经网络
05章优化算法与深度学习
01-01优化与深度学习的关系
01-02梯度下降和随机梯度下降
01-03小批量随机梯度下降
01-04动量法与实现
01-05AdaGrad算法特点与实现
01-06RMSProp算法
01-07AdaDelta算法
01-08Adma算法
06章计算机技术与高性能计算
01-01衡量性能的方法
01-02提高性能性能的各种编程方法
01-03命令式和混合编程
01-04异步计算
01-05自动并行运算
01-06多GPU运算
07章AI应用方向之计算机视觉
01-01使用图像增广训练模型
01-02微调:热狗识别
01-03目标检测和边界框
01-04计算机视觉:锚框生成
01-05多尺度目标检测
01-06目标检测数据集:皮卡丘
01-07单发多框检测:SSD
01-08卷积神经网络系列:R-CNN
01-09语意分割和数据集
01-10全卷积网络
01-11样式迁移
08章计算机视觉案例:Kaggle图像识别
01-01案例1:图像分类
01-02案例2:狗的品种
01-03step1:获取和整理数据集
01-04step2:图像增广
01-05step3:读取数据集
01-06step4:定义模型
01-07step5:定义训练函数
01-08step6:训练模型
09章AI应用方向之NLP自然语言处理
01-01词嵌入和连续词袋模型
01-02近似训练:负采样、层序softmax
01-03word2vec的实现
01-04子词潜入:fastText
01-05全局向量的词潜入:GloVe
01-06求近义词和类比词
01-07文本情感分类:使用循环神经网络
01-08文本情感分类:使用卷积神经网络(textCNN)
01-09编码器、解码器
01-10贪婪搜索、全局搜索、束搜索
01-11注意力机制
10章NLP自然语言处理案例
01-01案例1:机器人翻译
01-02step1:读取和与处理数据集
01-03step2:含注意力机制的编码器-解码器
01-04step3:训练模型
01-05step4:预测不定长的序列
01-06step5:评价翻译结果
01-07唐诗生成器
01-08step1:定义输入数据
01-09step2:定义多层LESTM模型
01-10step3:定义损失函数
01-11step4:训练模型生成文字
01-12step5:更多参数说明
01-13step6:运行自己的数据
【机构简介】
目前,CDA已与国内100多所高校进行了战略合作,建立了CDA数据分析师考试中心及人才培养基地;已出版30多本CDA数据分析师系列丛书,市场发行量数万册;已进行500多期线上线下数据分析及大数据培训课程,培养学员10万+人次;已在全国70+城市举办15届CDA数据分析师认证考试,报考考生数万人;已开展了四届中国数据分析师行业峰会(CDA SUMMIT),每届参会人数3000多人;中国数据分析师俱乐部(CDA CLUB)每周举办各类型线上线下沙龙会议、公开课等活动共1000多期。
【品牌宣传】
用AI让优质的教育人人可得
【机构环境】
【发展历程】
2006年 开展数据统计、计量实战,学术研究等相关培训视频和现场班
2007年 开展数据统计、数据分析相关培训班
2011年 随着大数据热潮的来临,依托累计上万类共享资料,多年沉淀师资团队,论坛召集多位专家,研发CDA数据分析师体系
2013年CDA数据分析师品牌成立,提供系统化的大数据、数据分析人才培养和认证
2014年 CDA INSTITUTE 成立 ,并推出第 一届全国CDA数据分析师认证考试
2015年第 一届中国数据分析师行业峰会(CDAS)在9月11日成功举办,参会人数逾3000人
2016年 CDA汇聚海内外大数据、数据分析专家上千人,推出就业班、数据科学家训练营、企业内训、CDA俱乐部等多个项目
2017年整合论坛与CDA数据分析师业内资源,形成数据分析领域生态圈,并进一步升级CDA企业内训体系,正式推出大数据实验室
2018年北上广深等多个城市均有校区;拥有200多位专业师资;培养学员超过3万人,每年6月/12月全国28个城市举办CDA认证考试
2019年已举办九届数据分析师认证考试,得到业界广泛认可,学员遍布各大知名企业。人工智能产品“好学AI”问世,引领DT时代新一波技术培训浪潮