• 参会报名
  • 会议通知
  • 会议日程
  • 会议嘉宾
  • 参会指南
  • 邀请函下载

首页 > 商务会议 > IT互联网会议 > 2018python深度学习核心技术培训班 更新时间:2019-01-03T11:18:54

2018python深度学习核心技术培训班
收藏人
分享到

2018python深度学习核心技术培训班 已过期

会议时间:2018-07-24 09:00至 2018-07-26 17:30结束

会议地点: 北京  北京上园饭店  北京海淀区高粱桥斜街40号

会议规模:暂无

主办单位: 中国管理科学研究院人才战略研究所

本次会议为非营利性活动,不支持开具发票,敬请谅解

行业热销热门关注看了又看 换一换

        会议通知

        会议内容 主办方介绍


        2018python深度学习核心技术培训班

        2018python深度学习核心技术培训班宣传图

        各有关单位:

        在这个人工智能火热的时代,在商业、经济及其他领域中基于数据和分析去发现问题并作出科学客观的决策越来越重要;python是一种面向对象直译式计算机程序设计语言,也是一种功能强大的通用型语言,已经成为最受欢迎的动态编程语言之一,被越来越多的科研人员用来处理实验数据、制作图表及开发科学计算应用程序,采用Python做科学计算的研究机构日益增多,Python逐渐被认为是学习和实现机器学习技术最好的语言之一,为了协助满足行业对python数据处理相关高端人才的迫切需求,我单位将于近期举办“Python深度学习核心技术培训班”,本次会议由北京中卓佳创教育科技有限公司承办并负责会议接待、开具票据等相关工作。具体安排如下:

        一、培训对象:

        各高等院校、科研机构大数据相关学科、计算机、软件、信息管理、统计等科研人员,在读高年级本科生及研究生以及有志于python深度学习研究和应用的个人及从业者。

        二、时间地点:

        2018年7月 23日-2018年 7月26日 北京(23日全天报到)                              

        三、课程简介:

        课程强调从零开始,动手操作;内容以代码落地为主,以理论讲解为根,以公式推导为辅。共3天6节,每节各3~3.5小时,讲解深度学习的模型理论和代码实践,梳理深度学习、计算机视觉的技术框架,从根本上解决如何使用模型、优化模型的问题;每次课中,首先阐述算法理论和少量公式推导,然后使用真实数据做数据挖掘深度学习的数据分析、特征选择、调参和结果比较。

        四、课程特点:

        课程重视代码实践,使用银行、金融、运营商等工业界实际数据(数据已脱敏)进行深度学习模型的落地应用。虽然课程坚持推导公式,但更重视深度学习的原理与实操;将实际工作中遇到的行业应用和痛点做最直观切实的展示;重视算法模型的同时,更强调实际问题中应该如何模型选择、特征选择和调参。

        查看更多

        中国管理科学研究院人才战略研究所 中国管理科学研究院人才战略研究所

        中国管理科学研究院是1986年9月1日经陈云同志批示,在宋平等中央领导同志的关怀和支持下,由原国家科委于1987年6月2日批准建立,在中编办国家事业单位登记管理局登记注册的国家事业单位(登记号210000005343号)。这是我国专门从事管理科学和相关交叉科学研究的新型科研机构。现为国际管理者协会联盟(IFSAM)理事单位。

        会议日程

        (最终日程以会议现场为准)


        详细大纲:

        专题名称

        授课内容

        授课内容

         

         

          

         

         

         

        第1讲

        Python与TensorFlow

        解释器Python2.7/3.6与IDE:Anaconda/Pycharm

        列表/元组/字典/类/文件

        numpy/scipy/matplotlib/panda的介绍和典型使用

        scikit-learn的介绍和典型使用

        TensorFlow典型应用

        典型图像处理

        多种数学曲线

        多项式拟合

        快速傅里叶变换FFT

        奇异值分解SVD

        Soble/Prewitt/Laplacian算子与卷积网络

         

        代码和案例实践

        1.卷积与(指数)移动平均线

        2.股票数据分析

        3.实际生产问题中算法和特征的关系

        4.缺失数据的处理

        5.环境数据异常检测和分析

         

         

         

           第2讲

        回归与优化

        线性回归

        Logistic/Softmax回归

        广义线性回归

        L1/L2正则化

        Ridge与LASSO

        Elastic Net

        梯度下降算法:BGD与SGD

        特征选择与过拟合

        Softmax回归的概念源头

        最大熵模型

        K-L散度

         

        代码和案例实践:

        1.股票数据的特征提取和应用

        2.泰坦尼克号乘客缺失数据处理和存活率预测

        3.环境检测数据异常分析和预测

        4.模糊数据查询和数据校正方法

        5.PCA与鸢尾花数据分类

        6.二手车数据特征选择与算法模型比较

        7.广告投入与销售额回归分析

        8.鸢尾花数据集的分类

        9.TensorFlow实现线性回归

        10.TensorFlow实现Logistic回归

         

         

         

        第3讲

        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

        AlexNet、VGGNet、GoogleLeNet

        Inception-V3/V4

        ResNet、DenseNet

         

        代码和案例实践

        数字图片分类

        卷积核与特征提取

        以图搜图

        人证合一

        卷积神经网络调参经验分享

         

         

         

        第4讲

        图像视频的定位与识别

         

        视频关键帧处理

        物体检测与定位

        RCNN,Fast-RCNN,Faster-RCNN,MaskRCNN

        YOLO

        FaceNet

         

        代码和案例实践:

        迁移学习

        人脸检测

        OCR字体定位和识别

        睿客识云

        气象识别

         

         

              

         

        第5讲

        循环神经网络RNN

        RNN基本原理

        LSTM、GRU

        Attention

        CNN+LSTM模型

        Bi-LSTM双向循环神经网络结构

        编码器与解码器结构

        特征提取:word2vec

        Seq2seq模型

         

        代码和案例实践:

        看图说话

        视频理解

        藏头诗生成

        问答对话系统

        OCR

        文本摘要的生成

        智能对话系统和SeqSeq模型

        阅读理解的实现与Attention

         

         

            

         

         

         

        第6讲

        生成对抗网络GAN与强化学习RL

        生成与判别

        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

        InfoGan

        Wasserstein GAN

        马尔科夫决策过程

        贝尔曼方程、最优策略

        策略迭代、值迭代

        Q Learning

        SarsaLamda

        DQN

        A3C

        ELF

        代码和案例实践:

        图片生成

        看图说话

        对抗生成神经网络调参经验分享

        OpenAI

        飞翔的小鸟游戏

        基于增强学习的游戏学习

        DQN的实现

         

         

        查看更多

        会议嘉宾

        (最终出席嘉宾以会议现场为准)


        讲师简介:

        邹博,中国科学院副研究员,天津大学特聘教授,成立中国科学院邹博人工智能研究中心(杭州站),研究方向机器学习、数据挖掘、计算几何,应用于大型气象设备的图像与文本挖掘、股票交易与预测、量子化学医药路径寻优、传统农资产品价格预测和决策等领域。

        查看更多

        参会指南

        会议门票 场馆介绍


        培训费用

        全部课程3900元/人(含培训费、教材费、证书申报费),食宿以及差旅,费用自理。

        参加相关培训学员,可获得:中国管理科学院人才战略研究所颁发《深度学习技术与应用管理师》专业技能证书,该证书可作为有关单位专业技术人员能力评价、考核和升职的重要依据。

        注:请学员自备电子照片1张(注明姓名)以及电子版身份证复印件,请学员自带笔记本电脑,讲师以U盘的形式提供全部教学课件、源代码、实验数据、编程操作步骤.

        查看更多

        北京上园饭店 北京上园饭店

        交通指南:

        西直门及北京展览馆地区驾车距离3.2公里(约11分钟)、

        南苑机场驾车距离24.1公里(约54分钟)、

        首都国际机场驾车距离30.9公里(约43分钟)


        北京上园饭店地处高粱桥斜街40号,东毗西直门立交桥,西邻动物园海洋馆,与中关村高科技园区仅咫尺之遥,交通十分便利。

          北京上园饭店是北京首旅集团所属的涉外饭店。酒店外观为欧式建筑的风格,拥有典雅温馨、基础设施齐全。同时,店内附设川粤风味的翔园餐厅,可供260人同时就餐,并备有宴会、自助、零点等多式餐种。

          饭店的商务配备齐全,规格不等的会议室和多功能厅可供集会、培训、娱乐等多种选择。更有阳光咖啡屋,是您休闲品茗的好去处。


        温馨提示
        酒店与住宿: 为防止极端情况下活动延期或取消,建议“异地客户”与活动家客服确认参会信息后,再安排出行与住宿。
        退款规则: 活动各项资源需提前采购,购票后不支持退款,可以换人参加。

        活动家为本会议官方合作
        报名平台,您可在线购票

        会议支持:

        • 会员折扣
          该会议支持会员折扣
          具体折扣标准请参见plus会员页面
        • 会员返积分
          每消费1元累积1个会员积分。
          仅PC站支持。
        • 会员积分抵现
          根据会员等级的不同,每抵用1元可使用的积分也不一样,具体可参见PLUS会员页面。 仅PC站支持。

        部分参会单位

        主办方没有公开参会单位

        邮件提醒通知

        分享到微信 ×

        打开微信,点击底部的“发现”,
        使用“扫一扫”即可将网页分享至朋友圈。

        录入信息

        请录入信息,方便生成邀请函