课程定位

基于Python与TensorFlow，通过模型和案例开展深度学习进阶训练。

学习收获

• 1，全面了解深度学习和Tensorflow的相关知识。
• 2，学习Tensorflow的核心技术方法以及应用特征。
• 3，深入使用Tensorflow在深度学习中的使用。

课程特色

• 需有IT系统设计理论与实践、机器学习基础及开发经验，并具备机器学习与大数据处理知识。

课程模块

第1讲 Tensorflow基础

• 1) TensorFlow系统架构
• 2) 数据流图
• 3) TensorFlow基本概念
• 4) TensorFlow实现数据流图
• 5) 可视化数据流图
• 6) TensorFlow分布式

第2讲 TensorFlow图像处理

• 1) 加载图像
• 2) 图像格式
• 3) 把图像转换为 TFRecord文件
• 4) 读取 TFRecord文件
• 5) 图像处理实例
• 6) 全新的数据读取方式— Dataset API

第3讲 Tensorflow神经元函数

• 1) 激活函数
• 2) sigmoid函数
• 3) 代价函数
• 4) softmax_cross_entropy函数

第4讲 TensorFlow自编码器

• 1) 自编码简介
• 2) 降噪自编码
• 3) 自编码器解析手写数字
• 4) 实例：用自编码预测信用卡欺诈

第5讲 TensorFlow实现Word2vec

• 1) 词向量及其表达
• 2) Word2vec原理
• 3) skim-gram模型
• 4) 实例： TensorFlow实现Word2Vec

第6讲 TensorFlow卷积神经网络

• 1) 卷积神经网络简介
• 2) 卷积层
• 3) 池化层
• 4) 归一化层
• 5) Tensorflow实现简单卷积神经网络
• 6) TensorFlow实现进阶卷积神经网络
• 7) 几种经典卷积神经网络

第7讲 TensorFlow循环神经网络

• 1) 循环神经网络简介
• 2) 前向传播与随时间反向传播
• 3) 梯度消失或爆炸
• 4) RNN其他变种
• 5) RNN应用场景
• 6) 实例：用LSTM实现分类

第8讲 TensorFlow高层封装

• 1) TensorFlow高层封装简介
• 2) Estimator简介
• 3) 实例：使用 Estimator预定义模型
• 4) 实例：使用 Estimator自定义模型
• 5) Keras简介
• 6) 实例： Keras实现序列式模型
• 7) TFLearn简介

第9讲 情感分析及实操

• 1) 深度学习与自然语言处理
• 2) 词向量简介
• 3) 循环神经网络
• 4) 迁移学习简介
• 5) 实例： TensorFlow实现情感分析

第10讲 用TensorFlow预测乳腺癌

• 1) 数据说明
• 2) 数据预处理
• 3) 探索数据
• 4) 构建神经网络
• 5) 训练并评估模型

第11讲 聊天机器人及实操

• 1) 聊天机器人原理
• 2) Encoder-Decoder架构
• 3) 带注意力的框架
• 4) 用 TensorFlow实现聊天机器人

第12讲 人脸识别及实操

• 1) 人脸识别简介
• 2) 人脸识别流程
• 3) 项目概况
• 4) 实施步骤

第13讲 强化学习基础

• 1) 强化学习简介
• 2) 强化学习常用算法
• 3) Q-Learning算法
• 4) DQN算法

第14讲 生成式对抗网络

• 1) 生成 ndarray的几种方式
• 2) 存取元素
• 3) 矩阵操作
• 4) 数据合并与展平
• 5) 通用函数
• 6) 广播机制

适合人群

1，系统架构师、系统分析师、高级程序员、资深开发人员；2，牵涉到网络采集、处理和规划的负责人、设计人员；3，政府机关，金融保险、移动等以互联网信息为数据来源单位的负责人；4，高校、科研院所牵涉到网络数据采集与数据处理及展现的项目负责人

师资信息

由业界知名大数据专家亲自授课：
杨老师 主要研究网络信息分析、机器学习以及大数据相关技术，长期从事网络信息处理、机器学习以及大数据分析系统的研究开发工作，主持和参与了多个国家和省部级基金项目，具有丰富的工程实践及软件研发经验。

课程咨询与报名

了解本期课程安排、师资及报名事项，请联系新中华学习网：400-061-6586，也可使用本页下方的报名咨询表。具体开课安排以正式通知为准。

温馨提示：本文内容根据课程内容整理，各模块实际讲授内容由授课老师根据学员情况灵活调整，最终以课堂授课为准。