深度學(xué)習(xí)培訓(xùn)課程
培訓(xùn)對(duì)象：
-
掌握機(jī)器學(xué)習(xí)基礎(chǔ)的數(shù)據(jù)科學(xué)家/算法工程師
-
需要應(yīng)用深度學(xué)習(xí)解決復(fù)雜問(wèn)題的開(kāi)發(fā)人員
-
計(jì)算機(jī)視覺(jué)/NLP領(lǐng)域入門者
-
企業(yè)AI應(yīng)用項(xiàng)目核心成員
培訓(xùn)目標(biāo)：
使學(xué)員系統(tǒng)掌握深度學(xué)習(xí)理論基礎(chǔ)與核心技術(shù)，熟練使用PyTorch框架進(jìn)行深度神經(jīng)網(wǎng)絡(luò)開(kāi)發(fā)；深入理解CNN/RNN/Transformer等主流網(wǎng)絡(luò)結(jié)構(gòu)；掌握神經(jīng)網(wǎng)絡(luò)訓(xùn)練的核心技巧與優(yōu)化方法；具備獨(dú)立完成圖像處理、時(shí)序數(shù)據(jù)分析等實(shí)際問(wèn)題的建模能力；能夠?qū)⑸疃葘W(xué)習(xí)技術(shù)有效應(yīng)用于企業(yè)業(yè)務(wù)場(chǎng)景。
培訓(xùn)內(nèi)容介紹：
-
深度學(xué)習(xí)概述與神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
深度學(xué)習(xí)的發(fā)展歷程與爆發(fā)原因；生物神經(jīng)元與人工神經(jīng)元模型；感知機(jī)與多層感知機(jī)（MLP）；激活函數(shù)詳解：Sigmoid/Tanh/ReLU及其變體；前向傳播與反向傳播算法推導(dǎo)；深度學(xué)習(xí)任務(wù)版圖：CV/NLP/音頻/多模態(tài)。
-
PyTorch框架入門
PyTorch核心概念與架構(gòu)；張量（Tensor）創(chuàng)建與操作；自動(dòng)微分機(jī)制（Autograd）；計(jì)算圖與動(dòng)態(tài)圖機(jī)制；數(shù)據(jù)集（Dataset）與數(shù)據(jù)加載器（DataLoader）使用；模型定義與參數(shù)管理；訓(xùn)練循環(huán)與評(píng)估流程。
-
神經(jīng)網(wǎng)絡(luò)訓(xùn)練核心要素
損失函數(shù)選擇：均方誤差/交叉熵/自定義損失；優(yōu)化器原理：SGD/Momentum/Adam/AdamW；學(xué)習(xí)率策略：固定學(xué)習(xí)率/學(xué)習(xí)率衰減/預(yù)熱/余弦退火；批歸一化（Batch Normalization）原理與作用；正則化技術(shù)：Dropout/L1/L2/早停。
-
卷積神經(jīng)網(wǎng)絡(luò)（CNN）詳解
卷積操作原理與參數(shù)（kernel/stride/padding）；池化層：最大池化/平均池化/全局平均池化；經(jīng)典CNN架構(gòu)：LeNet/AlexNet/VGG；殘差網(wǎng)絡(luò)ResNet：殘差塊結(jié)構(gòu)與恒等映射；輕量化網(wǎng)絡(luò)：MobileNet/ShuffleNet。
-
CNN高級(jí)架構(gòu)與應(yīng)用
多尺度特征提�。篒nception系列；注意力機(jī)制在CNN中的應(yīng)用：SENet/CBAM；CNN的可視化：特征圖可視化/類激活圖（CAM/Grad-CAM）；遷移學(xué)習(xí)：預(yù)訓(xùn)練模型加載與微調(diào)；圖像分類實(shí)戰(zhàn)：基于ResNet的遷移學(xué)習(xí)。
-
循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）與序列建模
循環(huán)神經(jīng)網(wǎng)絡(luò)原理與展開(kāi)；長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）：門控機(jī)制與細(xì)胞狀態(tài)；門控循環(huán)單元（GRU）簡(jiǎn)化結(jié)構(gòu)；雙向RNN與多層RNN；RNN的梯度消失/爆炸問(wèn)題與解決方案；時(shí)序預(yù)測(cè)實(shí)戰(zhàn)：基于LSTM的電力負(fù)荷預(yù)測(cè)。
-
Transformer架構(gòu)精講
從RNN到Transformer的演進(jìn)；自注意力機(jī)制（Self-Attention）原理；多頭注意力（Multi-Head Attention）；位置編碼（Positional Encoding）；Transformer Encoder-Decoder架構(gòu)詳解；BERT與GPT的核心思想。
-
模型訓(xùn)練技巧與優(yōu)化
權(quán)重初始化方法（Xavier/Kaiming）；梯度裁剪與梯度累積；混合精度訓(xùn)練（AMP）；分布式訓(xùn)練基礎(chǔ)（DataParallel/DistributedDataParallel）；訓(xùn)練過(guò)程監(jiān)控與可視化（TensorBoard）；模型 checkpoint 與斷點(diǎn)續(xù)訓(xùn)。
-
生成對(duì)抗網(wǎng)絡(luò)（GANs）基礎(chǔ)
GAN核心思想：生成器與判別器的博弈；原始GAN的訓(xùn)練不穩(wěn)定性；常見(jiàn)GAN變體：DCGAN/WGAN/CycleGAN；GAN在圖像生成中的應(yīng)用；擴(kuò)散模型（Diffusion Models）簡(jiǎn)介。
-
自監(jiān)督學(xué)習(xí)與對(duì)比學(xué)習(xí)
自監(jiān)督學(xué)習(xí)思想：從無(wú)標(biāo)簽數(shù)據(jù)中學(xué)習(xí)；對(duì)比學(xué)習(xí)核心：正負(fù)樣本對(duì)構(gòu)造；SimCLR/MoCo架構(gòu)簡(jiǎn)介；掩碼自編碼器（MAE）原理；自監(jiān)督學(xué)習(xí)的應(yīng)用前景。
-
深度學(xué)習(xí)模型評(píng)估與調(diào)優(yōu)
模型評(píng)估指標(biāo)選擇；過(guò)擬合與欠擬合診斷；學(xué)習(xí)率與批大小調(diào)優(yōu)；模型集成策略；模型的可解釋性方法；模型性能分析與瓶頸定位。
-
綜合實(shí)戰(zhàn)：多場(chǎng)景深度學(xué)習(xí)項(xiàng)目
項(xiàng)目一：圖像分類（基于ResNet的CIFAR-10分類，含數(shù)據(jù)增強(qiáng)與遷移學(xué)習(xí)）
項(xiàng)目二：時(shí)序預(yù)測(cè)（基于LSTM/Transformer的股票價(jià)格預(yù)測(cè)）
項(xiàng)目三：文本分類（基于BERT的情感分析任務(wù)微調(diào)）
如果您想學(xué)習(xí)本課程，請(qǐng)
預(yù)約報(bào)名
如果沒(méi)找到合適的課程或有特殊培訓(xùn)需求，請(qǐng)
訂制培訓(xùn)
除培訓(xùn)外，同時(shí)提供相關(guān)技術(shù)咨詢與技術(shù)支持服務(wù)，有需求請(qǐng)發(fā)需求表到郵箱soft@info-soft.cn,或致電4007991916
技術(shù)服務(wù)需求表點(diǎn)擊在線申請(qǐng)
服務(wù)特點(diǎn)：
海量專家資源，精準(zhǔn)匹配相關(guān)行業(yè)，相關(guān)項(xiàng)目專家，針對(duì)實(shí)際需求，顧問(wèn)式咨詢，互動(dòng)式授課，案例教學(xué)，小班授課，實(shí)際項(xiàng)目演示，快捷高效，省時(shí)省力省錢。
專家力量：
中國(guó)科學(xué)院軟件研究所，計(jì)算研究所高級(jí)研究人員
oracle,微軟，vmware，MSC,Ansys，candence,Altium,達(dá)索等大型公司高級(jí)工程師，項(xiàng)目經(jīng)理，技術(shù)支持專家
中科信軟培訓(xùn)中心，資深專家或講師
大多名牌大學(xué)，碩士以上學(xué)歷，相關(guān)技術(shù)專業(yè)，理論素養(yǎng)豐富
多年實(shí)際項(xiàng)目經(jīng)歷，大型項(xiàng)目實(shí)戰(zhàn)案例，熱情，樂(lè)于技術(shù)分享
針對(duì)客戶實(shí)際需求，案例教學(xué)，互動(dòng)式溝通，學(xué)有所獲
