深度学习DeepLearning核心技术开发与应用培训班
时间:2018-04-20 08:30 至 2018-04-23 17:30
地点:北京
- 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
深度学习DeepLearning核心技术开发与应用培训班 已过期
|
发票类型:增值税专用发票 增值税普通发票 |
领取方式:会后快递 现场领取 |
发票内容:会议费 培训费 |
参会凭证:邮件/短信发送参会通知 现场凭电话姓名参会 |
会议通知
大会内容 主办方介绍
深度学习DeepLearning核心技术开发与应用培训班宣传图
随着人工智能AI、大数据Big Data、云计算Cloud Computing、高性能计算HPC等计算机科学技术的发展和应用的普及,为了在人工智能时代占得先机,越来越多的企业寻求更加灵活和强大的深度学习能力。深度学习是目前人工智能、机器学习领域异常火热的研究方向,受到了学术界和工业界的高度关注。目前,微软、腾讯、谷歌、Facebook、百度、阿里巴巴等把深度学习作为未来工业和互联网发展的研究重心,中国科学院、清华大学、北京大学等高校和科研院所成立专业研究中心和实验室把深度学习进行科学技术成果转化,显著推动了深度学习在各行业的应用与发展。
中国管理科学研究院职业资格认证培训中心特举办“深度学习DeepLearning核心技术开发与应用培训班”。本次对前沿的深度学习方法及应用进行了全面的讲解,同时进行深入的应用讨论,帮助参加学员掌握、利用深度学习进行具体的科研和工程技术工作的开展。
本次培训由北京中际英才文化传媒有限公司、北京宏盛元亨文化交流中心承办。通知如下:
培训目标:
1、本次培训采用深入浅出的方法,结合实例,重点讲解Deep Learning框架模型、科学算法、训练过程技巧,使学员更有效的掌握Deep Learning核心技术及动手能力;
2、通过本次课程的学习,能够把握深度学习的技术发展趋势,可以熟练掌握深度学习核心技术、主要模型、实践技巧、并配以大量代码练习,同时针对工作中存在的疑难问题进行分析讲解和专题讨论,有效的提升学员解决复杂问题的能力;
(机房上课,每人一台电脑进行实际案例操作,赠送 U盘拷贝资料及课件和软件)
时间地点: 第一天报到、授课三天,大学机房上课,理论和实践结合
时间:2018年04月20日— 2018年04月23日 北京
会议地点:北京林业大学-学研中心A座 北京市海淀区清华东路35号(北京林业大学校内)
参会对象:
各省市、自治区从事人工智能、深度学习、计算机视觉、人脸识别、 图像处理、行人检测、自然语言处理等领域相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生等相关人员,以及深度学习、计算机视觉广大爱好者;
查看更多
中国管理科学研究院职业资格认证培训中心是依照国务院有关指示精神,并经过中国管理科学研究院专家、领导们严格考察、审核批准后,并由研究院专家、领导们剪彩,挂牌成立的国家事业性直属分支机构。
会议日程 (最终日程以会议现场为准)
培训课程大纲
注:三天都是在机房上课,针对算例进行的上机实操!报名学员可以提前把感兴趣的内容和要解决的问题带到会场上,和主讲老师及其他学员交流学习!详细的乘车路线和报到地点会在报名之后告知!
一、深度学习Deep Learning基础和基本思想 | 1,人工智能概述、计算智能、类脑智能 2,机器学习概述、记忆学习、归纳学习、统计学习 3,深度学习的前生今世、发展趋势 4,人工神经网络、前馈神经网络、BP算法 、Hessian矩阵、结构性特征表示 |
二、深度学习Deep Learning基本框架结构 | 1,Caffe 2,Tensorflow 3,Torch 4,MXNet |
三,深度学习Deep Learning-卷积神经网络 | 1,CNN卷积神经网络 卷积层(一维卷积、二维卷积)、池化层(均值池化、最大池化) 全连接层 激活函数层 Softmax层 2,CNN卷积神经网络改进 R-CNN (SPPNET) Fast-R-CNN Faster-R-CNN (YOLO、SSD) 3,深度学习的模型训练技巧 4,梯度下降的优化方法详解 |
四,深度学习Deep Learning-循环神经网络 | 1, RNN循环神经网络 梯度计算 BPTT 2,RNN循环神经网络改进 LSTM GRU Bi-RNN Attention based RNN 3,RNN实际应用 Seq2Seq的原理与实现 |
五、强化学习 | 1,强化学习的理论知识 2,经典模型DQN讲解 2, AlphaGo原理讲解 3, RL实际应用;实现一个AlphaGo |
六,对抗性生成网络 | 1, GAN的理论知识 2, GAN经典模型CGAN,LAPGAN,DCGAN 3,GAN经典模型 INFOGAN,WGAN,S2-GAN 4,GAN实际应用 DCGAN提高模糊图片分辨率 5,GAN实际应用 InfoGAN做特定的样本生成 |
七、迁移学习 | 1,迁移学习的理论概述 2,迁移学习的常见方法 特征、实例、数据、深度迁移、强化迁移、研究案例 |
八、CNN应用案例 | 1,CNN与手写数字集分类 2,YOLO实现目标检测 3,PixelNet原理与实现 4,利用卷积神经网络做图像风格结合 |
九、深度学习Deep Learning的常用模型或者方法 | 1,AutoEncoder自动编码器 2,Sparse Coding稀疏编码 3,Restricted Boltzmann Machine(RBM)限制波尔兹曼机 4,Deep BeliefNetworks深信度网络 5,Convolutional Neural Networks卷积神经网络 |
十、辅助课程 | (1)疑难解答、分组讨论; (3)关键问题解析; (4)学后交流、微信群、QQ群建立; |
查看更多
会议嘉宾 (最终出席嘉宾以会议现场为准)
培训专家:
中国科学院计算技术研究所、清华大学、北京大学等科研机构和大学的高级专家,拥有丰富的科研及工程技术经验,长期从事深度学习、人工智能、机器学习、计算机视觉等领域的教学与研究工作。
查看更多
参会指南
会议门票 场馆介绍
费用标准:
A类,每人3900元(含报名费、培训费、午餐费、资料费、证书费)住宿可统一安排,费用自理。
B类,每人4380元(含报名费、培训费、午餐费、资料费、证书费)住宿可统一安排,费用自理。
一、报到时间及地点:
1、时间安排:04月20日(星期五)全天办理报到手续,04月21日(星期六)、04月22日(星期日)、04月23日(星期一)三天全天上课。
2、报到地点:7天连锁酒店(学院路店) 北京市海淀区学清路41号裕京大厦
二、会议地点:北京林业大学-学研中心A座 北京市海淀区清华东路35号(北京林业大学校内)
三、乘车路线:
地 铁:从北京站、西站、南站乘坐地铁到六道口地铁站,从A2出口出来,直行200米到酒店。
机 场:乘机场大巴中关村线到学院桥站下车,乘出租车13元到酒店。
北 京 站:乘坐地铁到六道口地铁站,从A2出口出来,直行200米到酒店。出租车大概60元.
北京西站:乘坐地铁到六道口地铁站,从A2出口出来,直行200米到酒店。出租车大概55元。
北京南站:乘坐地铁到六道口地铁站,从A2出口出来,直行200米到酒店。出租车大概60元。
查看更多
交通指南:
经过北京林业大学的线路有355路,438路,594路,运通110路,专12路公交线路
北京林业大学(Beijing Forestry University)简称”北林“,教育部直属、教育部与国家林业局共建的全国重点大学,国家首批“211工程”重点建设高校、”双一流“世界一流学科建设高校,入选“985工程优势学科创新平台”、“卓越农林人才教育培养计划”、“2011计划”、“国家建设高水平大学公派研究生项目”,北京高科大学联盟成员,中国政府奖学金来华留学生接收院校,商务部援外学历项目奖学金、北京市政府奖学金、北京市“一带一路”专项奖学金以及亚太森林组织奖学金项目院校,丝绸之路农业教育科技创新联盟成员院校,全国首批具有博士、硕士学位授予权的高校,国务院学位委员会、教育部授权可自行审定教授任职资格的高校,国务院学位委员会授权一级学科内可自主设置博士、硕士二级学科及交叉学科的高校,设有研究生院和国家大学科技园,具备本科自主选拔录取资格。学校以生物学、生态学为基础,以林学、风景园林学、林业工程、农林经济管理为特色,农、理、工、管、经、文、法、哲、教、艺等多门类协调发展。
北京林业大学办学历史可追溯至1902年的京师大学堂农业科林学目。1952年,北京农业大学森林系与河北农学院森林系合并,成立北京林学院。1956年,北京农业大学造园系和清华大学建筑系部分并入学校。1960年被列为全国重点高等学校。1985年更名为北京林业大学。
截至2017年12月,校本部有校园面积696亩,学校实验林场占地面积12480亩。设15个学院。各类在校生27657人。教职工1884人。
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。
您可能还会关注
-
2024PM产品力领航者大会
2025-05-16 上海
-
AiCon深圳2025|全球人工智能与大模型应用峰会
2025-08-22 深圳
-
2024软件技术大会
2024-12-13 北京
-
AICon 全球人工智能开发与应用大会 2024·北京
2024-12-13 北京
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
- 重庆金融资产交易所有限责任公司
邮件提醒通知