-
预习阶段 从DL基础起步,掌握三大核心模型
在线视频:DNN与CNN,及NN框架
- 1-DNN与混合网络:google Wide&Deep
- 2-实战项目:数据非线性切分+google wide&deep 模型实现分类
- 3-CNN:从AlexNet到ResNet
- 4-实战项目:搭建CNN完成图像分类示例
- 5-NN框架:caffe, tensorflow与pytorch
- 6-实战项目:用几大框架完成DNN与CNN网络搭建与分类
在线视频 :RNN、LSTM、与条件生成、attention
- 1-RNN/LSTM/Grid LSTM
- 2-实战项目:RNN文本分类
- 3-RNN条件生成与attention
- 4-实战项目:google神经网络翻译系统
-
第一阶段 从数据科学比赛里看深度学习应用
在线直播:业务场景下机器学习/深度学习数据处理与特征工程
- 1-业务场景下的特征处理与挖掘套路
- 2-如何用tensorflow进行常见的数据特征工程
- 3-tensorflow搭建baseline模型解决分类问题
在线直播:tensorflow搭建混合网络
- 1-wide network搭建与优缺点
- 2-deep neural Network搭建与优缺点
- 3-混合网络搭建套路
- 4-用混合网络解决分类问题
线下实战:从DNN/Wide/Wide&Deep解决房价预测问题
- 1-机器学习vs深度学习,工业界的利弊权衡
- 2-神经网络基本原理和训练要点
- 3-如何针对不同的应用场景选择模型结构
- 4-从wide&deep到混合网络的搭建与应用
- 5-以kaggle比赛为例讲解神经网络解决方案
-
第二阶段 深度学习在计算机视觉中的应用
在线直播:深度卷积神经网络原理与实践
- 1-卷积操作的数学定义和物理意义
- 2-卷积神经网络结构的两大原理—局部连接和权值共享
- 3-卷积神经网络的主体结构和变种
- 4-3小时内用百行代码登顶Kaggle图像分类比赛的Top-5%
在线直播:海量图像与tensorflow处理
- 1-Tensorflow输入数据——TFRecord与Dataset
- 2-Tensorflow图像预处理
- 3-Parameter Server原理
- 4-Tensorflow的分布式训练的实现
线下实战:图像分类与图像检索实战
- 1-灵活选取卷积神经网络结构作为图像分类的Backbone
- 2-迁移学习在深度学习中的应用——“微调”(Fine-tune)技术
- 3-图像搜索的前世(Bag-of-Visual-Words)和今生(Deep Learning)
-
第三阶段 深度学习在自然语言处理中的应用
在线直播:文本预处理,词袋模型,word2vec,语言模型
- 1-NLP基本知识:词袋、tf-idf、朴素贝叶斯
- 2-DL中的NLP基础:word2vec、doc2vec、embedding、N-gram LM
- 3-用深度学习一步步完成情感分析任务
在线直播:CNN/LSTM 文本分类
- 1-文本分类问题处理流程
- 2-传统模型在文本分类上的表现
- 3-从RNN到LSTM
- 4-CNN/LSTM 在文本分类上的应用
线下实战:文本语义相似度匹配模型以及Seq2Seq模型构建
- 1-深度学习在自然语言处理中的基础工具:word2vec、Embedding
- 2-文本检索与匹配通用模型方法:DSSM,CDSSM,DRMM,ARC-I
- 3-Seq2Seq模型搭建详解与应用案例
- 4-(短)文本语义相似度匹配模型构建及其实践应用
线下实战:图像生成文本(Image2text)
- 1-Image2text基本模型
- 2-基于Attention的Image2Text
- 3-反问题:Text2Image
-
第四阶段 高级深度学习应用场景
上午线下:基于深度学习的聊天机器人,看图说话与VQA
- 1-基于深度学习匹配的聊天机器人
- 2-基于序列到序列模型的聊天机器人
- 3-结合CNN与RNN的看图说话与VQA看图问答机器人
下午线下:大规模车辆图片搜索(Re-ID)算法原理及实践
- 1-多任务(Multi-task)深度学习模型搭建与训练
- 2-深度排序(Deep Ranking, Triplet Loss)原理与训练技巧
- 3-使用多任务和深度排序模型,构建一个工业界和学术界最前沿的大规模车辆图片搜索算法(可用于智慧城市、视频监控等安防场景),在业界最大的车辆搜索开源数据集上取得State-of-the-Art效果
-
第五阶段 深度学习模型优化及实践技巧
上午线下:NLP与CV数据科学比赛案例详解与实践
- 1-NLP AI比赛:文本主题与标签预测(通用模型结构、textCNN与textRNN、texRCNN与其他网络)
- 2-图像比赛基本套路
- 3-图像分类与图像分割比赛解决方案介绍
下午线下:深度学习模型优化前瞻技术 以及实践技巧
- 1-深度卷积神经网络的历史变革和设计理念——从AlexNet到DenseNet
- 2-解析各类轻量级深度网络的设计理念——深度可分离网络
- 3-深度学习模型训练时应注意的问题即实践技巧
深度学习集训营中
最新推荐文章于 2022-11-15 13:37:10 发布