人工智能(néng)和深度學(xué)习实践

前沿技术 / 2020-04-26 17:54:40
人工智能(néng)和深度學(xué)习实践
    马上咨询

    马老师  中國(guó)原子能(néng)科(kē)學(xué)研究院理(lǐ)论物(wù)理(lǐ)硕士、中國(guó)科(kē)學(xué)院软件研究所博士

    曾供职百度，搜索引擎核心模块；作為(wèi)量化派技术总监，带领技术部开发了基于金融大数据的借贷交易平台和信审模型；

    应用(yòng)机器學(xué)习技术在丁丁租房多(duō)项在線(xiàn)服務(wù)（推荐信审 反中介 派单策略 定价模型等）；

    在百度 AI 度秘团队负责NLU策略和模型；2017年加入猎户星云负责dialogue brain（语义大脑）的模型构建。

    课程信息

    了解人工智能(néng)的概念和人工智能(néng)的发展，了解國(guó)际人工智能(néng)的主要流派和路線(xiàn)，了解國(guó)内人工智能(néng)研究的基本情况，熟悉人工智能(néng)的研究领域

    培训特色　

    幻灯片算法讲解, 结合代码概要

    目标收益

    结合实际应用(yòng)举例和和业界趋势分(fēn)析
    主流技术方案、能(néng)力和发展方向

    培训对象

    对 AI 特别是深度學(xué)习算法原理(lǐ)和应用(yòng)感兴趣

    學(xué)员基础

    具有(yǒu)一定编程和数學(xué)基础的技术和管理(lǐ)人员

    课程大纲

    主题内容
    1 赋予计算机學(xué)习数据的能(néng)力1.1构建智能(néng)机器将数据转化為(wèi)知识
    1.2机器學(xué)习的三种不同方法
    a 通过监督學(xué)习对未来事件进行预测
    b 通过强化學(xué)习解决交互式问题
    c 通过无监督學(xué)习发现数据本身潜在的结构
    1.3基本术语及符号介绍
    1.4构建机器學(xué)习系统的蓝图
    a 数据预处理(lǐ)
    b 选择预测模型类型并进行训练
    c模型验证与使用(yòng)未知数据进行预测
    2. 深度學(xué)习概要- 什么是深度學(xué)习
    - 与机器學(xué)习的异同
    - 神经网络和深度學(xué)习
    3. 多(duō)层感知器模型 Multi-Layer Perceptron – MLP- 神经元 权重和激活 Neurons Weight Activation
    - 神经元网络 Neuron Networks
    - 训练网络 Training Networks
    - Back-propagation 算法和计算图
    - 多(duō)种自适应學(xué)习率算法 Adaptive Learning Rate
    4. 卷积神经网络 Convolutional Neural Network- CNN 原理(lǐ)和构造：
    - 核 Filter 和卷积运算   Convolutional Layer
    - 特征图 Feature Maps
    - 池化层 Pooling
    - 全连接层 Full Connected Layer
    5. 循环神经网络 Recurrent Neural Networks- RNN 原理(lǐ)
    - 处理(lǐ)序列（Sequence）数据的神经网络
    - 循环神经网 RNN 架构
    - RNN训练：如何在训练中获得稳定的梯度下降
    - RNN 网络演化历史：RNN，LSTM，GRU 结构比较和分(fēn)析
    6.   TensorFlow详解TensorFlow 入门
    - Overview
    - Graphs and Sessions 图和会话
       1) Tensor
       2)Data Flow Graphs
       3)Graph and sub-Graph
    - Distributed Computation 分(fēn)布式计算
    TensorFlow Ops 操作符
    Basic Model 基本模型
    Model Structure 模型结构
    Experiments Management 实验管理(lǐ)
    Application 实战
    - AutoEncoder
    - MLP
    - CNN（AlexNet，VGGNet，Inception Net，ResNet）
    - RNN（LSTM，Bi-RNN）
    - Deep Reinforcement Learning（Policy Network、Value Network）
    7. 当前应用(yòng)6.1 金融业：
       - 征信与反欺诈
       - 定价
    6.2图形图像：
       - 人脸识别
       - 视频识别
       - 自动图像描述
    6.3自然语言理(lǐ)解
       - 情感分(fēn)类
       - 用(yòng)户意图识别
       - 机器翻译
       - 阅读理(lǐ)解 和 自动 QA
    6.4體(tǐ)育
       - 球员训练
       - 球队组建
    6.5 医疗
       - 医疗影像识别
       a糖尿病病变鉴别
       b心血管核磁共振界别
       c 读心术
       - 病例辅助判定
       - 药物(wù)试验
    6.6安防
       - 犯罪率预测
       - 寻人
    6.7社交
       - 婚恋匹配
       - 舆情分(fēn)析
    6.8城市管理(lǐ)建设
       - 拥堵预测
       - 房价预测
    8. 未来发展方向7.1计算能(néng)力的发展
       - CPU / GPU / TPU
    7.2 模型算法的发展
       - 生成对抗网络 GAN: Generative Adversarial Network
       - 迁移學(xué)习
       - 感知：状态、情感、逻辑
    7.3应用(yòng)的发展
       - 智能(néng)家居和穿戴智能(néng)
    返回顶部