2018人工智能深度学习算法和实战集训营(10月贵阳班)
时间:2018-10-26 08:00 至 2018-10-28 18:00
地点:贵阳
- 参会报名
- 会议介绍
- 会议日程
- 会议嘉宾
- 参会指南
-
手机下单
2018人工智能深度学习算法和实战集训营(10月贵阳班) 已截止报名
|
发票类型: 增值税普通发票 增值税专用发票 |
会议介绍
会议内容 主办方介绍
2018人工智能深度学习算法和实战集训营(10月贵阳班)宣传图
各有关单位:
近年来,人工智能经历了从爆发到寒冬再到野蛮生长的历程,伴随着人机交互、机器学习、模式识别等人工智能技术的提升,机器人与人工智能成了这一技术时代的新趋势。云计算和大数据的蓬勃发展更使得人工智能迎来了新的契机,在互联网、汽车、智能家居,机器人等各领域,人工智能在进行着“井喷式”创新,并即将进入发展的‘黄金时代’。人工智能,不是取代而是一种演化与升级,它终将也会像其他技术革命一样,让人类强大,让世界上的不可能减少,让我们可以创造更多美好。当无人超市出现在街头,当AI程序“AlphaGo”战胜了人类围棋世界冠军,当汽车开启了“无人驾驶”新时代,不论人们对于人工智能是怀抱对未来的憧憬还是对是否会引发“失业潮”的担忧,它都已“入侵”我们的很多生活细节,并且正在逐渐改变整个人类社会的发展方向。人工智能的兴起是大数据、云计算科学进步的产物,也是人类对未来世界向往的必然,人工智能显然已经成为中国所有主流科技公司不能忽视的力量。因此大数据产业培训基地特推出了“人工智能进阶高级实战培训”,本次培训由数环云创(北京)科技有限公司具体承办,望相关单位收到通知后积极参加。相关培训事宜如下:
为顺应未来人工智能的发展趋势,大数据产业培训基地成立了AI人工智能学院,立足自身多年培训资源、结合自身特色, 为一步推进人工智能核心技术的研发和产业化,建立人工智能实训基地,努力打造成为国内前沿的人工智能线下培训体系,旨在为人工智能领域的创新企业提供高端、复合型人才。对于AI领域的从业者来说,人工智能、机器学习和深度学习之间的差别应该非常清楚,机器学习则是人工智能领域的一个小分支,如果说AI是一个合集,那么ML就是AI的子集。机器学习在公司数据处理中扮演了一个很重要的角色。机器学习也是目前最接近人工智能的系统。人工神经网络是一种拟人数据处理模式。它是深度学习的基础,深度学习是一种使用深度神经网络进行大量数据构建的系统。人工智能,机器学习与深度学习都离不开大数据。人工智能的未来在于深度学习,因为它已经使很多机器学习的应用成为了可能。一个很好的例子便是使用深度学习进行图片识别,其表现在一定程度上已经超过了人类。我们已经在一个科技逐步迎合人类需求的时代,人工智能的未来拥有无限的可能性。
培训时间:
2018年9月14—16号 周五、周六、周日(13号培训报到) 成都
2018年10月26—28号 周五、周六、周日(25号培训报到) 贵阳
培训目标:
1)深入理解神经网络结构和实践技巧。
2)掌握工业级实用技术:深度神经网络压缩!
3)深入理解深度卷积神经网络和实践技巧。
4)深入理解图像搜索前沿技术。
5)掌握一线互联网公司深度学习项目研发思路:以大规模车辆重识别系统为例
6)深入理解Word2Vec、RNN/LSTM/GRU和Seq2Seq模型
7)算法原理+实践代码,手把手带你玩转深度学习模型!
培训对象:
1)想入门深度学习者
2)深度学习的入门选手,想进一步提升原理理解和实践者
3)看了大量的公开课、教程却还是似懂非懂者
4)大学本科生、研究生想收割一线互联网深度学习研发offer者
5)想转行从事人工智能行业的学习者
查看更多
数环云创(北京)科技有限公司成立于2015年3月,是一家初创的新型互联网科技企业,公司目前致力于IT领域的信息化培训与项目咨询、企业大数据实施与技术服务的解决方案提供商。
大数据产业培训基地会议日程 (最终日程以会议现场为准)
会议议程:
日程 | 课程主题 | 主要内容 |
第一天 | 神经网络基础(上午) | 1、线性分类器 a. 线性分类器的基本结构 b. 典型的分类损失函数 c. 理解向量点积的物理意义 d. 梯度下降算法 2、非线性分类器——神经网络 a. 神经网络的基本结构 b. 神经网络的前向传递和反向传播 c. 深入理解反向传播——数学推导和物理意义 d. 神经网络的正则化——Dropout e. 神经网络的调参实践 3、作业/实践:使用TensorFlow/Keras快速搭建神经网络进行图像分类 |
第一天 | 工业级实用技术——深度神经网络模型压缩(下午) | 1、神经网络模型压缩动机 a. 数十倍降低模型大小 b. 不降低模型分类准确率 c. 大大加快模型预测时间 2、深度压缩技术 a. 神经网络剪枝 b.Deep Compression原理解析 c. Dense-Sparse-Dense(DSD)框架 3、知识蒸馏/暗知识/Teacher-Student模型 a. Soft Targets及其物理意义 b.使用Soft Targets和Hard Targets进行知识蒸馏 c.从Noisy Teacher中学习 4、作业/实践:使用TensorFlow/Keras进行神经网络压缩 |
第二天 | 深度卷积神经网络原理与Kaggle比赛案例(上午) | 1、卷积神经网络原理 a. 理解卷积操作的本质及其物理意义 b. 局部连接和参数共享 c. 理解卷积层的参数计算和输出大小 d. 卷积神经网络的宏观理解 2、卷积神经网络实践案例 a. 百行代码实现Kaggle图像分类竞赛Top-5% b. 迁移学习技术 c. 快速提升竞赛排名的实用技巧 3、卷积神经网络在物体检测上的应用 a. 重新认识感受野及其计算方式 b. 从R-CNN到Fast R-CNN再到Faster R-CNN |
第二天 | 基于深度学习的图像搜索(CBIR)技术前沿(下午) | 1、基于视觉单词模型的图像搜索 a. 词袋模型 b. 计算机视觉中的词袋模型 c. 应用词袋模型构建图像搜索系统 d. 空间金字塔模型 e. 近似近邻查询技术:使用KD-Tree和LSH加快搜索性能 2、基于深度学习技术的图像搜索 a. 基于无监督的图像搜索模型: Autoencoder和DenoisingAutoencoder b. 基于有监督的图像搜索模型:ConvNets c. 应用ConvNets作图像搜索任务的实践经验 d. 初识Triplet Loss e. 深度哈希卷积神经网络 3、作业/实践:使用Autoencoder和ConvNets构建图像搜索系统 |
第三天 | 工业级图像搜索案例——大规模车辆图片搜索和重识别(上午) | 1、训练ConvNets的实用技巧和经验 2、深入理解Triplet Loss以及训练技巧 3. 手把手教你搭建工业级大规模车辆重识别系统 a. Step 1:使用ConvNets构建Baseline b. Step 2:基于多任务学习的技术框架 c. Step 3:基于Triplet Loss的多任务网络架构 d. Step 4:效果还能再提升吗? 3、作业/实践:使用TensorFlow/Keras由浅入深搭建大规模车辆图片搜索系统 |
第三天 | 从Word2Vec到RNN、LSTM,再到Seq2Seq模型 | 1、循环神经网络(RNN) a. 词向量模型:Word2Vec b. RNN网络结构 c. 理解LSTM和GRU 2、基于RNN的Seq2Seq模型 a. Encoder-Decoder结构 b.使用Seq2Seq解决机器翻译任务 c. Beam Search思想 d. 更强的Seq2Seq:注意力机制 3、Seq2Seq模型实践注意事项 a. 理解RNN/LSTM的输入 b. Seq2Seq模型的训练阶段 c. Seq2Seq模型的Inference阶段 6、作业/实践:使用Seq2Seq构建机器翻译模型 |
查看更多
会议嘉宾
温馨提示
酒店与住宿:
为防止极端情况下活动延期或取消,建议“异地客户”与活动家客服确认参会信息后,再安排出行与住宿。
退款规则:
活动各项资源需提前采购,购票后不支持退款,可以换人参加。
您可能还会关注
-
2024PM产品力领航者大会
2025-05-16 上海
-
AiCon深圳2025|全球人工智能与大模型应用峰会
2025-08-22 深圳
-
2024软件技术大会
2024-12-13 北京
-
“AI+教育创新与人才发展大会” 暨首届北京数字人才发展论坛
2024-11-20 北京