课程简介
课程强调兴趣培养与动手操作；内容以目前比较前沿的技术以及丰富的案例为主，以理论讲解为根。分享内容为介绍当下比较流行的技术架构：比如联邦学习、蒸馏学习、机器学习、深度学习的模型理论和代码实践、对抗网络等。
目标收益
了解当下的技术，以及自然语言处理、机器视觉中的各个基础算法以及应用场景。
培训对象
产品经理、技术管理人员、、业务运营支撑人员，业务规划与设计人员，中高级工程师，系统维护工程师、数据分析师，数据统计和分析人员。
课程大纲
| 前沿技术介绍 |
前沿技术： 机器学习 蒸馏学习 强化学习 自然语言处理 图像识别 对抗网络 深度学习框架介绍: Keras Tensorflow Pytorch Mxnet Caffe |
| 卷积神经网络CNN |
神经网络结构，滤波器，卷积 池化，激活函数，反向传播 目标分类与识别、目标检测与追踪 经典AlexNet、VGG、GoogleLeNet Inception ResNet、DenseNet Faster-RCNN YOLO 案例介绍: 口罩是否佩戴识别 |
| 循环神经网络RNN |
RNN基本原理 LSTM、GRU Attention 编码器与解码器结构 Seq2seq模型 Transformer Bert 案例介绍: 诗生成 翻译系统 看图说话 |
| 生成对抗网络GAN |
生成模型：贝叶斯、HMM到深度生成模型 GAN对抗生成神经网络 DCGAN Conditional GAN 案例介绍: 如何使用Gan生成头像 |
|
前沿技术介绍 前沿技术： 机器学习 蒸馏学习 强化学习 自然语言处理 图像识别 对抗网络 深度学习框架介绍: Keras Tensorflow Pytorch Mxnet Caffe |
|
卷积神经网络CNN 神经网络结构，滤波器，卷积 池化，激活函数，反向传播 目标分类与识别、目标检测与追踪 经典AlexNet、VGG、GoogleLeNet Inception ResNet、DenseNet Faster-RCNN YOLO 案例介绍: 口罩是否佩戴识别 |
|
循环神经网络RNN RNN基本原理 LSTM、GRU Attention 编码器与解码器结构 Seq2seq模型 Transformer Bert 案例介绍: 诗生成 翻译系统 看图说话 |
|
生成对抗网络GAN 生成模型：贝叶斯、HMM到深度生成模型 GAN对抗生成神经网络 DCGAN Conditional GAN 案例介绍: 如何使用Gan生成头像 |
近期公开课推荐
