北京中科院计算所培训学校

深度学习-基于Tensorflow的实战

北京java寒假培训班

请询价

课程班型

白天班,周六周日

上课时间

白天班,晚班,周六周日

授课方式

线下面授

课程特色

小班制,免费wifi

上课校区

中关村958楼

免费预约试听

限时领取试听名额

  • 165****1600 已成功预约**课程
  • 155****7784 已成功预约**课程
  • 181****2918 已成功预约**课程
  • 133****5500 已成功预约**课程
  • 152****3646 已成功预约**课程
  • 162****7739 已成功预约**课程
  • 188****2151 已成功预约**课程
  • 183****8189 已成功预约**课程
  • 150****8309 已成功预约**课程
  • 136****6198 已成功预约**课程

课程简介

关于举办“深度学习-基于Tensorflow的实战”培训的通知

各有关单位:

中国科学院计算技术研究所是国家专门的计算技术研究机构,同时也是中国信息化建设的重要支撑单位,中科院计算所培训中心是致力于高端IT类人才培养及企业内训的专业培训机构。中心凭借科学院的强大师资力量,在总结多年大型软件开发和组织经验的基础上,自主研发出一整套课程体系,其目的是希望能够切实帮助中国软件企业培养高级软件技术人才,提升整体研发能力,迄今为止已先后为国家培养了数万名计算机专业人员,并先后为数千家大型国内外企业进行过专门的定制培训服务。

深度学习是对使用多层神经网络过程进行机器学习的统称,多层神经网络是一种利用多种数学方法,及其方法组合的模型。近几年人们有能力卓有成效地利用神经网络,其原因主要一是获取足够数量的数据成为现实;二是得益于通用GPU的快速发展,多层神经网络拥有了超越其他机器学习方法的优势。当决定如何*有效地利用数据时,深度学习能够赋予模型更大的灵活性。

TensorFlow是谷歌开源的主流深度学习框架,目前已在谷歌、优步、京东、小米等科技公司广泛应用。本课程使用TensorFlow框架作为深度学习入门,使学员以*快、*有效的方式上手TensorFlow和深度学习。课程中省去了深度学习繁琐的数学模型推导,从实际应用问题出发,通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题,包含了深度学习的知识和大量实践经验,帮助学员走进这个最新、*火的人工智能领域。

本培训介绍基于TensorFlow进行数据处理、数据探索的基本方法,并对TensorFlow算法原理及实现进行讲解。

一、培训对象

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。

二、学员基础

1,对IT系统设计有一定的理论与实践经验。

2,有一定的机器学习基础知识和开发经验。

3,有一定的机器学习与大数据处理的知识。

三、师资

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。

四、培训内容

第1讲 深度学习简介

1) 人工智能、机器学习与深度学习

2) 深度学习的发展历程

3) 深度学习的应用

4) 深度学习工具介绍和对比

第2讲 安装TensorFlow

1) 选择安装环境

2) TensorFlow的安装

3) 安装Jupyter Notebook

4) 安装matplotlib

5) TensorFlow测试样例

第3讲 TensorFlow基础

1) TensorFlow计算模型及计算图

2) TensorFlow数据模型及张量

3) TensorFlow运行模型及会话

4) 神经网络及前向传播算法简介

5) TensorFlow训练神经网络模型

第4讲 深层神经网络

1) 深度学习与深层神经网络

2) 损失函数定义

3) 神经网络优化算法

4) 神经网络学习率的设置

5) 过拟合问题及滑动平均模型

第5讲 MNIST数字识别

1) MNIST数据处理

2) TensorFlow训练神经网络

3) 不同模型效果比较及变量管理

4) TensorFlow模型持久化

5) TensorFlow实践样例

第6讲 图像识别与卷积神经网络

1) 图像识别问题简介及经典数据集

2) 卷积神经网络简介

3) 卷积层和池化层

4) LeNet-5模型和Inception-v3模型

5) TensorFlow实现迁移学习

第7讲 图像数据处理

1) TFRecord输入数据格式

2) TensorFlow图像处理函数

3) 队列与多线程

4) 输入文件队列

5) 组合训练数据(batching)

第8讲 循环神经网络

1) 循环神经网络简介

2) 长短时记忆网络(LTSM)结构

3) 双向循环和深层循环神经网络

4) 样例应用-自然语言建模

5) 样例应用-时间序列预测

第9讲 TensorBoard可视化

1) TensorBoard简介

2) TensorFlow计算图可视化

3) 命名空间与节点信息

4) 监控指标可视化

第10讲 TensorFlow计算加速

1) TensorFlow使用GPU

2) 深度学习训练并行模式

3) 多GPU并行

4) 分布式TensorFlow原理

5) 分布式TensorFlow模型训练

五、培训目标

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。

六、培训时间、地点

时间: 2018年6月28日-6月29日 地点:北京

七、证书

培训结束,颁发中科院计算所职业培训中心“深度学习-基于Tensorflow的实战”结业证书。

八、费用

培训费:5500元/人(含教材、证书、午餐、学习用具等)。住宿协助安排,费用自理。

北京中科院计算所培训学校

10名学员报名咨询

去首页

评分

40

课程数

43

校区数

1

机构简介:中科院计算所培训学校(北京市海淀区中科院计算所职业技能培训学校)成立于1987年,是计算所根据国家普及计算机知识,培养专业计算机人才而创建的。培训中心依托中国科学院强大的技术背景,历经二十年的发展,为全国各企事业单位、部队、院校等累计培养了近十七万人次的计算机专业人才,并为多家企业提供了高质量的咨询服务,现已形成企业内训、高端公开课、GJB5000A/CMMI培训与咨询、企业全方位咨询服务四大业务模块,在业界具有良好信誉。“科学、高效、权威、品质”是北京市海淀区中科院计算所职业技能培训学校的经营宗旨,面向企业人是其明确的市场定位。中科院计算所针对企业的信息化建设具有悠久的历史,其IT技术培训是一个长期积累、与时俱进的过程。1987年,我国的信息化建设十分滞后,计算机相关设备仅见于政府、部队和部分大型国内企业,专业技术急待普及,中科院计算所适时创建了培训中心,从计算机的基本概念、原理和维护到Windows、unix、linux应用到Oracle、DB2、数据仓库、J2EE、.net,再到现在高端企业级需求分析、架构设计、系统设计及咨询、云计算、海量数据,始终与国际较前沿的IT技术接轨。25年,培训中心的服务广泛应用于全国各地电信、通信、电力、石化、金融、教育、部队、交通、医药、服务等各行各业,为我国的信息化建设做出了卓越的贡献,成为中国IT精英权威培训咨询机构。北京市海淀区中科院计算所职业技能培训学校拥有一批具有多年丰富实际开发与教学经验兼备的优秀专职教师队伍、咨询专家,有一支活跃于软件行业的研发团队。中心凭借强大的师资力量,把握当今世界较前沿的开发技术,在总结多年大型软件开发和组织经验的基础上,自主研发出百门课程体系,满足企业各层次的培训需求,其目的是希望通过有经验高水平教师的讲授来真正解决企业信息化建设中的问题,切实帮助中国软件企业培养高级软件技术人才,提升企业的整体研发能力。授课教师从思想、方法和技术三个层面系统讨论企业信息化建设及大型软件设计理论和方法,并且通过一些精心选择的案例,揉合教师的大型项目经验,以项目过程中的问题带动原理的描述,理论和实际相结合,重点讲清问题,从而使学员在企业信息化建设项目中发挥更大的作用。面对千变万化的IT技术,北京市海淀区中科院计算所职业技能培训学校不仅传授给学员当今IT潮流较核心的前沿技术和解决问题的方法,同时也为学员提供后续技术支持,更指导学员如何把握技术动态的方法和考虑问题、潜心学习的思维方式,旨在为国内外各企事业单位培养实用型、潜力型IT高端管理、创新人才,实现“与企业共发展,同携手开创未来”的美好愿景。我们承诺:充分的资源共享、完善的管理模式和立足潮头的前沿技术,必将使您在更广的领域享受到更佳的培训服务!为了明天,我们一起努力

更多
校区 更多

点击获取距我最近校区

  • 海淀校区

    中关村958楼

    导航
    电话咨询
相关推荐

当前位置:

北京 中科院 北京java寒假培训班

本站展示的所有信息内容系由机构或个人用户发布,可能存在发布者所发布的信息,并未获得品牌所有人有效授权。本平台会加强审核,但无法完全排除差错或疏漏。郑重声明:本平台仅为免费注册用户提供免费的信息发布渠道,但不对其发布信息的真实性、准确性和合法性负责,对此也不承担任何法律责任。对于从本网站或本网站的任何有关服务所获得的资讯、内容或广告,您接受或信赖任何信息所产生之风险应自行承担,本网对任何使用或提供本网站信息的商业活动及其风险不承担任何责任。,如果侵犯,请及时通知我们,发送邮件至15610150293@126.com本网站将在第一时间及时删除。