您查看的活动已结束

 为进一步推动高等院校机器学习与深度学习教学工作的开展，加强国内各高等院校同行间的交流，培养国内的师资力量，将机器学习与深度学习的最新实训内容带入课堂，特举办“机器学习与深度学习”实战高阶班，具体由北京中科软培科技有限公司、北京并行科技股份有限公司、北京北龙超级云计算有限责任公司、中国科学院计算机网络信息中心举办，本次培训由权威师资主讲，培训主打理论结合实践主题，课程强调动手操作；内容以代码落地为主，以理论讲解为根，以公式推导为辅。讲解机器学习和深度学习的模型理论和代码实践，梳理机器学习、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、机器学习、深度学习的数据分析、特征选择、调参和结果比较。

一、培训目的：

   通过课程学习，可以理解机器学习的思维方式和关键技术；了解深度学习和机器学习在当前工业界的落地应用；能够根据数据分布选择合适的算法模型并书写代码，初步胜任使用Python进行数据挖掘、机器学习、深度学习等工作。

二、主讲专家：

崇志宏 副教授 东南大学计算机学院数据与智能实验室（D&Intel Lab）

2006年毕业于复旦大学软件与理论专业并获理学博士学位，曾先后担任多家创业公司首席科学家、数据科学家。现任东南大学计算机学院副教授、PChain 研究员。主持或参与了多个国家863、自然基金项目。

三、培训内容：

一、深度学习 Deep Learning 基础、基本思想以及大规模深度学习基本框架结构

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.深度神经网络的基本原理、优势和特点，包括深度神经网络的高维复杂函数近似、流形推断、泛化的基本原理

5.人工神经网络、前馈神经网络、BP 算法

6.Tensorflow 开发框架的开发模式、应用开发案例

二、深度学习的基本过程和基本模型

1.CNN 卷积神经网络的设计思想、设计和应用开发与上机实习

2.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

3.R-CNN （SPPNET）  Fast-R-CNN     Faster-R-CNN

4.深度神经网络开发的基本过程和问题解决技巧

5.深度学习的模型训练技巧

6.梯度下降的优化方法详解

7.RNN 循环神经网络改进 LSTM、GRU、Bi-RNN、Attention based RNN

8.RNN 实际应用：Seq2Seq 的原理与实现

9.对象识别、翻译的基本技术方法

三、弱导师学习、强化学习、无导师学习、迁移学习

1.弱导师学习

2.对抗生成模型 GAN 的理论知识、INFOGAN，WGAN 的基本原理与应用

3.Autoencoder、VAE、GAN+VAE

4.迁移学习的理论概述、迁移学习常见方法举例

5.强化学习的基本原理、深度、宽度、模型和无模型强化学习算法基础

6.深度强化的基本思想、策略递度训练方法的详细解析

四、深度学习模型的常用设计模式

1.深度贝叶斯模型设计的详细解析

2.AutoEncoder 自编码器框架、DAE 详细解析和VAE 的比较分析

3.深度神经网络记忆和推理构件

4.深度隐含主题模型

5.深度推荐技术

6.神经网络参数的学习 Learn to Learn

四、时间地点：

2018年5月26日-28日   25日报到    北京

可咨询：13932327338

五、培训对象：

    各高等院校数据科学相关专业、计算机科学技术、网络工程、软件工程、信息工程、信息管理、、统计学专业、应用数学专业、经济管理专业、市场营销专业等科研、教学带头人，骨干教师、博士生、硕士生；各高校教务处、科研处、信息中心、实验中心领导。对机器学习技术有兴趣和需求，愿意进行深入钻研的从业人员。                                                                                                           
六、报名费用：

¥RMB:5980元/人（含报名费、培训费、教材费、资料费）。

七、颁发证书：

颁发人社部中国职协“人工智能工程师”（高级）培训证书、证书可在官网（http://cx.cnhr.org/）查询，可作为能力评价、考核和任职的重要依据。证书费用（可选）：500元/人