深度学习工程应用快速入门
308
已购买
22
课时

课程介绍

伴随人工智能时代的到来,深度学习技术也发挥着越来越重要作用,越来越多的技术人才开始投身入这一行业中,并希望发展成为一名深度学习算法工程师。然而,在实际的工程设计中,深度学习研发者总会面临着各种问题与困惑,比如:

  • 我们在设计深度网络的时候有什么技巧和原则吗?
  • VGG、ResNet 网络如何应用在实际的芯片上?
  • BN 层应该放在哪里比较合理?
  • 网络越深越好还是越宽越好?
  • 训练时如此多的优化方法,一定是 SGD 吗?
  • 学习率怎么调比较合适?
  • 模型迁移、模型剪枝、模型压缩、模型精剪设计,这些该如何去实践?
  • 序列问题中的 RNN 网络,怎样设计才能够确保网络更好、更快的收敛?
  • Siamese、Triplet 这样的网络要怎样训练?样本怎么处理、挖掘?
  • ……

本达人课,将针对上述问题进行一一分析与解答。主要针对机器学习初学者、深度学习入门者以及其他想从事深度学习相关工作的从业者,内容涉及到深度学习的基本概念,模型原理,不同类别的网络模型,模型设计的基本原则、训练、优化、模型精简等不同方面。另外,本课程还通过实际的网络设计,结合相应的原则来解决分类任务、序列任务等,带领大家深入理解网络设计的基本原则和方法,并锻炼深度学习编程能力和技巧。

本课程共包括22个课时,分为四大部分:

  • 第一部分(第01-02课),带你初步认识深度学习以及如何进阶深度学习。
  • 第二部分(第03-14课),从工程实践的角度出发,详细介绍深度学习中涉及到的各种各样的概念、原理,重点讲解在工业实战中的使用技巧和原则,帮助大家打好的深度学习工程实战基础。
  • 第三部分(第15-20课),从实际工程的角度出发,详细介绍卷积神经网、循环神经网的发展历程、工程设计原则和方法,并带领大家一起设计一个精简的深度网络,并用于目标检测任务。
  • 第四部分(第21课),作为课程的最后一部分,我们将对整个课程做总结、回顾与展望。

作者介绍

王学宽,曾就职于海康威视研究院担任计算机视觉方向算法工程师,发表多篇学术论文、申请多项国家专利,参与多项图像、自然语言项目相关课题研发工作,在计算机视觉领域具有深厚的专业知识和工程开发经验。运营有公众号:白话机器学习(微信号:simpleml90hou),开设有知乎专栏:《深度学习干货铺》

开篇词:一门真正面向工程的深度学习进阶课程
第01课:进阶“深度学习”的问与答
第02课:揭开深度学习的神秘面纱
第03课:深入理解标准卷积
第04课:千变万化的卷积——反卷积、分组卷积、空洞卷积和深度可分离卷积
第05课:局部感知的妙处
第06课:复杂多变的激活函数
作者撰写中...
第07课:丰富的正则化策略
作者撰写中...
第08课:对比分析各种优化方法
作者撰写中...
第09课:初识深度网络中的深与宽
作者撰写中...
第10课:深度网络的记忆能力
作者撰写中...
第11课:Attention 机制
作者撰写中...
第12课:深度模型的迁移
作者撰写中...
第13课:谈一谈 Siamese、Triplet 等多支的网络问题
作者撰写中...
第14课:深度网络的训练技巧与评测标准
作者撰写中...
第15课:从简到繁再到简的卷积神经网的变迁
作者撰写中...
第16课:卷积神经网络的设计之道
作者撰写中...
第17课:从 RNN 到 LSTM 再到 Seq2Seq,循环神经网的变迁
作者撰写中...
第18课:循环神经网的设计之道
作者撰写中...
第19课:模型精简之道——量化、剪枝、教师网络
作者撰写中...
第20课:带你设计一个精简的深度神经网(目标检测任务)
作者撰写中...
第21课:结束语
作者撰写中...

适宜人群

  • 机器学习入门者;
  • 深度学习入门者;
  • 其他工科类专业想入行者。

购买须知

  1. 本课程为图文内容课程,共计 22 篇。
  2. 全部文章预计于 9 月 16 日更新完毕。
  3. 付费用户可享受文章永久阅读权限。
  4. 付费用户可获取读者圈 PASS 权限,与讲师进一步互动。
  5. 本课程为虚拟产品,一经付费概不退款,敬请谅解。

订阅福利

  • 凡付款购买过作者其他达人课的用户,购买本课程享受专属特价 19.99 元。
报名成为达人课讲师
推荐课程
查看更多达人课
免费试读
¥39.99 立即购买
微信扫描登录