深度学习及图神经网络


#1

全国高校人工智能算法工程师师资班 培养双师型教师及在校生的1+X证书
党中央国务院高度重视人工智能人才发展工作,为贯彻落实《国务院关于推行终身职业技能培训制度的意见》提出的“紧跟新技术、新职业发展变化,建立职业分类动态调整机制,加快职业标准开发工作”要求,加快构建与国际接轨、符合我国国情的现代职业分类体系,人社部办公厅2019年4月1日发布了包括人工智能新职业信息的十三个工种。为推进人工智能人才发展工作,中国国家人事人才培训网、中国人才研究会青年人才专业委员会、中国管理科学研究院职业资格认证培训中心等单位,积极实施国家专业技术人才知识更新工程和人工智能人才发展中长期规划,联合开展对从事人工智能算法研究、设计、应用、优化等相关工作的专业技术人员进行专业岗位知识技能培训,推动本领域形成一支高素质、职业化的人工智能算法专业技术队伍,以适应新时期人工智能建设的需要。
为积极响应科研及工作人员需求,根据国务院《国家中长期人才发展规划纲要(2010-2020年)》和人社部《专业技术人才知识更新工程实施方案(2010-2020年)》中国管理科学研究院职业资格认证培训中心(http://www.cnzgrz.org.cn)、中国人才研究会青年人才专业委员会、中国国家人事人才培训网等单位特举办“深度学习核心技术实践与图神经网络新技术应用高级研修班”。
在疫情期间大力开展在线直播课程培训班,现将具体通知如下

1、远程在线 (集中时间远程操作培训)
2、作业训练 (规定的时间把作业完成)
3、集中答疑 (统一时间进行疑难问题答疑)

一、深度学习重点框架结构
1.Tensorflow 2.PyTorch
二、深度学习(Deep Learning) 的常用模型或者方法
1.空间特征:卷积神经网络
2.时序特征:循环神经网络
3.受限波尔兹曼机(Restricted Boltzmann Machine, RBM)
4.Deep BeliefNetworks 深信度网络
5.自动编码器(AutoEncoder),稀疏编码(Sparse Coding)
6.小样本学习
7.元学习
三、卷积神经网络(CNN)
1.CNN 卷积神经网络卷积层(一维卷积、二维卷积)、池化层(均值池化、最大池化) 全连接层激活函数层 Softmax 层
2.CNN 卷积神经网络改进 R-CNN (SPPNET) Fast-R-CNN Faster-R-CNN (YOLO、SSD)
3.深度学习的模型训练技巧
4.梯度下降的优化方法详解
四、循环神经网络(RNN)
1.RNN 循环神经网络 梯度计算 BPTT2.LSTM GRU Bi-RNN Attention based RNN3.RNN 实际应用 Seq2Seq 的原理与实现
五、强化学习(DRL)
1.强化学习的理论知识
2.经典模型 DQN 讲解
3.AlphaGo 原理讲解
4.马尔可夫决策过程、贝尔曼方程、最优策略、Q Learning、Deep Q-learning
六、生成对抗网络(GAN)
1.GAN 的理论知识
2.GAN 经典模型 CGAN,LAPGAN,DCGAN
3.GAN 经典模型 INFOGAN,WGAN,S2-GAN
4.GAN 实际应用:提高模糊图片分辨率,特定的样本生成
七、迁移学习(TL)
1.迁移学习的理论概述
2.迁移学习的常见方法 特征、实例、数据、深度迁移、强化迁移、研究案例
八、图神经网络GNN
1.图神经网络基础和基本思想
a图神经网络的定义和目标
b图神经网络的思想和工作原理
c图神经网络的应用场景
d图神经网络在自然语言处理中的应用实例
2.图卷积神经网络(GCN)
a图卷积神经网络定义
b图卷积神经网络的卷积方式
c卷积神经网络与图卷积神经网络的区别
d图卷积神经网络的原理与理论推导
e图卷积神经网络的一步步编程实例
九、深度学习编程实操
1.基于深度学习的计算机视觉处理
a学会设计一个自动编码器完成数据的去噪
b采用CNN、CNN+LSTM方法完成视频人物行为识别
c图像风格快速迁移
2. 基于深度学习的自然语言处理
3.学会采用自编码器进行数据分类
4.生成对抗网络GAN
5.强化学习应用实例,学会编写深度强化学习程序进行决策
6.基于深度学习的文本挖掘
7.真实数据集下的图卷积神经网络实现
项目承接定制内训
1.项目预研报告编制;
2.常规算法应用,定制化算法、模型开发;
3.大规模训练平台(可接受委托训练)。训练平台可训练科目有图像分类、图像分割、图像细粒度分类、图像转文本、目标检测、人脸识别等。最大限度的减少试错成本,快速完成技术路径设计!大显存,Turing架构,3860 CUDA核心。算力说明:NVIDIA RTX2080Ti * n,11G
报名联系方式
联系人:高洁
手 机:18516952091
官方咨询QQ:309225975
网络课程QQ群群号: 189696007(加群备注:高洁邀请)