【學習時間】

周一到周五8-17點

【授課方式】

遠程+面授

【學習周期】

720課時

【課程內容】

01章預備知識：圖像識別方法的演進基礎

01-01開發環境配置：Anaconda環境和MXNet

01-02深度學習簡介：起源、特點和發展

01-03計算機視覺概述

01-04數據操作

01-05自動求梯度

01-06圖像識別的演進

01-07線性回歸與線性回歸的實現

01-08線性模型：對數線性二分類、多分類

01-09獨熱和稠密度向量表示

01-10softmax回歸與實現

01-10基于深度學習的圖像識別技術發展

02章深度學習基礎知識

01-01線性模型的局限性：異或問題

01-02非線性輸入轉換、核方法、可訓練的映射函數

01-03感知機和多層感知機的實現

01-04模型選擇、欠擬合過擬合問題

01-05權重衰減和丟棄法

01-06實戰案例：房價預測模型

01-07神經網絡基礎

01-08前饋神經網絡、BP神經網絡

01-09神經網絡的訓練

01-10深度學習計算

03章卷積神經網絡與深度學習

01-01二維卷積層相關運算

01-02填充和步幅

01-03多輸入通道和多輸出通道

01-04二維最 大池化層和平均池化層

01-05卷積神經網絡LeNet模型

01-06深度卷積神經網絡AlexNet

01-07使用重復數據的網絡

01-08網絡中的網絡：NIN塊和NIN模型

01-09合并行連接的網絡

01-10批量歸一化

01-11殘差網絡ResNet模型

01-12稠密度連接網絡DeseNet模型

04章循環神經網絡與深度學習

01-01語言模型計算

01-02循環神經網絡

01-03模型語言數據集

01-04循環神經網絡從零開始實現

01-05循環神經網絡的簡介實現

01-06通過時間反向傳播

01-07門控循環單元

01-08長短期記憶

01-09深度循環神經網絡

01-10雙向循環神經網絡

05章優化算法與深度學習

01-01優化與深度學習的關系

01-02梯度下降和隨機梯度下降

01-03小批量隨機梯度下降

01-04動量法與實現

01-05AdaGrad算法特點與實現

01-06RMSProp算法

01-07AdaDelta算法

01-08Adma算法

06章計算機技術與高性能計算

01-01衡量性能的方法

01-02提高性能性能的各種編程方法

01-03命令式和混合編程

01-04異步計算

01-05自動并行運算

01-06多GPU運算

07章AI應用方向之計算機視覺

01-01使用圖像增廣訓練模型

01-02微調:熱狗識別

01-03目標檢測和邊界框

01-04計算機視覺：錨框生成

01-05多尺度目標檢測

01-06目標檢測數據集：皮卡丘

01-07單發多框檢測：SSD

01-08卷積神經網絡系列：R-CNN

01-09語意分割和數據集

01-10全卷積網絡

01-11樣式遷移

08章計算機視覺案例：Kaggle圖像識別

01-01案例1:圖像分類

01-02案例2:狗的品種

01-03step1:獲取和整理數據集

01-04step2:圖像增廣

01-05step3:讀取數據集

01-06step4:定義模型

01-07step5:定義訓練函數

01-08step6:訓練模型

09章AI應用方向之NLP自然語言處理

01-01詞嵌入和連續詞袋模型

01-02近似訓練：負采樣、層序softmax

01-03word2vec的實現

01-04子詞潛入：fastText

01-05全局向量的詞潛入：GloVe

01-06求近義詞和類比詞

01-07文本情感分類：使用循環神經網絡

01-08文本情感分類：使用卷積神經網絡（textCNN）

01-09編碼器、解碼器

01-10貪婪搜索、全局搜索、束搜索

01-11注意力機制

10章NLP自然語言處理案例

01-01案例1:機器人翻譯

01-02step1:讀取和與處理數據集

01-03step2:含注意力機制的編碼器-解碼器

01-04step3:訓練模型

01-05step4:預測不定長的序列

01-06step5:評價翻譯結果

01-07唐詩生成器

01-08step1:定義輸入數據

01-09step2:定義多層LESTM模型

01-10step3:定義損失函數

01-11step4:訓練模型生成文字

01-12step5:更多參數說明

01-13step6:運行自己的數據

【學習目標】

熟悉AI工具，包括TensorFlow、Keras、Caffe、PyTorch

熟悉深度學習應用

熟悉CNN、RNN、Faster RCNN等深度神經網絡模型，并掌握其相關的優化算法

了解深度學習高級算法，包括卷積神經網絡、循環神經網絡等

掌握優化算法和高性能計算方法

掌握NLP自然語言處理一線行業案例

掌握計算機視覺圖像識別一線行業案例

【師資力量】

董雪婷（Yuki）

教齡：10年

主攻方向：人工智能

教育背景：復旦大學數學科學學院

Dr. Danian Gong

教齡：17年

主攻方向：人工智能

教育背景：

加州科技大學客座教授

ProEdst機器學習課程導師

清華大學EE專業博士學位

榮譽：硅谷人工智能科學家

【招生對象】

有一定基礎的學員

【學員評價】

孔同學

統計學和數據挖掘理論是數據分析的基礎，常規的統計理論和數據挖掘算法必須要學會，想入行應重點研究，并要學會制作風險評分卡。其他算法了解即可。

董同學

三個月的學習時間。緊湊的課程安排讓我感覺每一天都特別充實，白天認真聽講，晚自習鞏固復習，每一天都在進步和成長。 我對未來充滿了希望。

王同學

CDA的學習經歷，給我的人生增添了一段難忘的回憶，也給我在現在的工作中帶來了很大的幫助，在今后的工作中要更加努力，不斷完善自己。

蘇同學

學習是一種態度，在CDA三個月集中學習的過程中，認識了很多同學，也增長了一些校園以外的知識，學習的過程很累很艱辛，卻覺得很值得！ 痛并快樂著！！

李同學

CDA對于我而言，是一個新生活的起點，經過3個月的奮戰，我學習到了許多知識，更結識了許多志同道合的朋友，這是我3個月的學習生活寶貴的財富。

趙同學

首先感謝的是課堂里茫茫多的教授級導師的個人魅力的熏陶，其次就是，三個月持續不斷的學習，讓我養成一個持續學習的心態和熱愛學習的態度。

【品牌宣傳】

用AI讓優質的教育人人可得

【機構環境】

【機構簡介】

如荷學為北京國富如荷網絡科技有限公司旗下專注于數字化人才培養及服務的教育品牌,致力于大數據在產、學、研的融合應用。服務百萬數字化人才,是全球500強企業的忠實合作伙伴。

如荷學以"培養企業需要的專業數字化人才,搭建弓|領數字化時代的企業人才梯隊”為使命,為TD時代數字化人才的數據能力提升及企業數字化轉型提供標準化、效率、可落地的數據應用側解決方案。

【發展歷程】

2006年 開展數據統計、計量實戰，學術研究等相關培訓視頻和現場班

2007年 開展數據統計、數據分析相關培訓班

2011年 隨著大數據熱潮的來臨，依托累計上萬類共享資料，多年沉淀師資團隊，論壇召集多位專家，研發CDA數據分析師體系

2013年CDA數據分析師品牌成立，提供系統化的大數據、數據分析人才培養和認證

2014年 CDA INSTITUTE 成立 ,并推出第 一屆全國CDA數據分析師認證考試

2015年第 一屆中國數據分析師行業峰會（CDAS）在9月11日成功舉辦，參會人數逾3000人

2016年 CDA匯聚海內外大數據、數據分析專家上千人，推出就業班、數據科學家訓練營、企業內訓、CDA俱樂部等多個項目

2017年整合論壇與CDA數據分析師業內資源，形成數據分析領域生態圈，并進一步升級CDA企業內訓體系，正式推出大數據實驗室

2018年北上廣深等多個城市均有校區；擁有200多位專業師資；培養學員超過3萬人，每年6月/12月全國28個城市舉辦CDA認證考試

2019年已舉辦九屆數據分析師認證考試，得到業界廣泛認可，學員遍布各大知名企業。人工智能產品“好學AI”問世，引領DT時代新一波技術培訓浪潮