深度学习核心技术实战培训暨GPU平台实例训练

                          

                                           深度学习核心技术实战培训班

培训目标：

1. 报名即免费赠送深度学习基础应用课程。
2. 三天实操课程为每位学员提供全天的计算资源服务平台。
3. 四大主要模型演练，精度均可达90%以上，常用代码助力新手上路。
4. 实战模型演练直观体验深度学习核心技能。
5. 深度学习模型迁移方法讲解、指导。
6. 深度学习模型、算法、训练过程技巧解析。
7. 每位学员免费赠送26GPU小时的训练资源及视频课程，以巩固学习成果。

时间地点:                             

2019年6月13日-2019年6月16日     上海

2019年6月27日-2019年6月30日     北京

 (第一天全天报到，授课三天)

一、 课程体系

1. 报名即免费获得深度学习入门实战视频课程
2. 具体课程安排

免费视频课	1.深度学习常见开源框架介绍 2.Tensorflow开发环境安装 2.模型参数及正则化 3.深度网络构建及训练策略 4.模型输出可视化及模型评估 5.深度神经网络DNN运算原理	测试： 1.正确安装Tensorflow环境。 2.使用Tensorflow搭建一个神经网络，并可视化。 3.编写一个简单的DNN网络，根据初始化参数可以运算得出中间结果。 关键点： 1.对Tensorflow使用初步了解。 2.理解DNN前向传播运算的运算原理。
第一天	1.深度学习与人工智能 2.人工智能、深度学习的发展历程 3.基于深度学习的计算机视觉模型 4.传统线性模型的局限性 5.深度神经网络模型。 6.自动编码器AutoEncoder 7.生成对抗网络GAN 8.稀疏编码Sparse Coding 9.限制波尔兹曼机RBM 10.深度信念网络Deep Belief Networks 11.初识DNN的反向传播原理	实验： 1.Tensorflow中Tensor、DataFlowGraph、Placeholder、Session、Tensorboard等基本概念理解。 2.使用Tensorflow搭建一个简单的DNN网络。 3.一个可以训练的神经网络 高频问题： 1.Tensorboard无法显示。 2.模型设计的过程中的参数个数与数据规模的关系。 3.为何输入模型的数据范围是[-1, 1]。 关键点： 1.掌握Tensorflow的几个基本概念。 2.学会使用Tensorflow搭建简单的神经网络结构。 3.使用Tensorflow设计一个可以训练的基本设计原理。
第二天	1.卷积神经网络基本概念—卷积核 2.Pooling层设计原理以及常见Pooling介绍 3.常见激活函数以及对应BP公式。 4.常用的参数初始化方法 5.常用的损失函数以及对应求解的问题。 6.常见的网络结构及演化进程 7.对抗生成网络（GAN） 8.深度学习模型的软肋—对抗样本	实验： 1.把现有的数据集转化成Tensorflow推荐的数据格式—TFrecord。 2.TFrecord可视化，并把数据输入到计算图。 3.Tensorflow训练模型时的基本设计原理。 高频问题： 1.TFRecord可视化时出现的Exception。 2.此设计原理的通用性。 关键点： 1.掌握如何将row data转化成TFRecord。 2.如何验证转化之后的TFRecord的正确性。 3.一个良好的Tensorflow训练预测代码的设计原理。
第三天	1.循环神经网络（RNN）初识 2.模型训练过程中的过拟合、欠拟合问题 3.深度学习应用—人脸识别的设计原理	实验： 1.使用CNN搭建LeNet解决图像分类问题。 2.使用RNN处理评论信息中情感倾向问题。 3.Tensorflow目前开源的模型以及适用的问题总结。 高频问题： 1.CNN更复杂的模型在哪里可以找到代码？ 2.RNN训练速度如何提升。 3.Tensorflow的API文档一般在哪里查看。 关键点： 1.使用卷积神经网络做图像分类。 2.NLP中情感分析初步入门。 3.常见开源代码以及适用的问题。

3、每位学员免费赠送课后26GPU小时平台训练以帮助学员巩固学习成果。

4、训练平台相关资源介绍，学员可以根据自己的训练计划进行配合。

（1）、学习机：

1. 数据类型介绍：

Mnist：MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成。 测试集(test set) 也是同样比例的手写数字数据.

Cifar10：Cifar-10 由60000张32*32的 RGB 彩色图片构成，共10个分类。50000张训练，10000张测试（交叉验证）。

IMDB: 数据集来自 IMDB 的 25,000 条电影评论，以情绪（正面/负面）标记。评论已经过预处理，并编码为词索引（整数）的序列表示。

1. 代码类型介绍：

课上教学使用代码，主要介绍Tensorflow的使用，以及一些简单网络结构的入门代码.

1. 算力说明：10系NVIDIA GPU，1280CUDA核心，6G显存。

（2）、训练机：

1. 数据类型介绍：

ImageNet: ImageNet项目是一个用于视觉对象识别软件研究的大型可视化数据库。超过1400万的图像URL被ImageNet手动注释，并提供边界框。

COCO：COCO的 全称是Common Objects in COntext，是微软团队提供的一个可以用来进行图像识别的数据集。MS COCO数据集中的图像分为训练、验证和测试集。

1. 代码类型介绍：

Tensorflow官方代码，可以训练分类、检测、分割等基本任务。

1. 算力说明：10系NVIDIA GPU，1280CUDA核心，6G显存，最新Turing架构。

（3）、高性能GPU集群：

数据类型介绍：用户自定义数据集

代码类型介绍：针对不同任务定制化代码。

算力说明：NVIDIA RTX2080Ti * n，11G大显存，Turing架构，3860 CUDA核心。

二、培训费用：

每人4580（含公开理论及实战课、网络课程、26GPU小时训练资源、证书、午餐费）

注：住宿可统一由会务组进行安排，费用自理。

三、颁发证书：

由中国管理科学研究院职业资格认证培训中心颁发的《深度学习开发与应用工程师》（高级）专业技能资格证书，官方网站查询。

人力资源与社会保障部高级公务员培训中心颁发的《深度学习应用工程师》证书，中国国家人事人才网查询，该证书直接纳入人才数据库。（加上A类共两本证书）。

四、联系方式：

联系人:朱安宁                       手机：15810191373（微信同号）