基于Spark的分布式深度学习和认知计算

主题说明
你是否曾经面对多个优化算法不知所措？或者无法自由选择学习框架？又或许因为Caffeine,Tensorflow, Theano, Torch的诸多参数设置而烦恼？或简单的认为只要有大数据就可以训练计算 机了？如果你不懂复杂的数学、统计学理论，还能做训练吗？…… 带着十万个为什么，让我们与深度学习技术大咖一起，了解基于Spark的分布式数据探索、机器学习/深度学习和认知计算。

适合对象
拥有海量数据并想进一步发掘信息价值； 了解业务数据，致力于商业智能的数据科学家、分析师； 想要缩短机器学习/深度学习训练时间、提高识别准确度； 从传统方法转向利用机器学习/深度学习解决业务问题。

学习要点
在学习过程中，你将了解：
- 先进的分布式深度学习平台
- 数据准备工作
- 不同的数据如何对同一个模型产生影响
- 数据的分布如何对训练产生影响
- 如何把不同的数据结构转换成各种深度学习框架所能识别的格式
- 并行化训练过程，并行化训练模式，差异点，监控和优化功能
- 优化算法分享
- 训练阶段常见问题，如何识别问题并给出修改模型的建议

无论你来自金融、教育、公共安全、零售、医疗、制造、图像/声音识别、机器人、自动驾驶、反欺诈、目标检测等等的任何一个领域，欢迎参与本课程学习。相信本课程结束后，你将掌握实 现高吞吐量的在线识别、预测服务的新方法。
我们的口号：让数据分析师也能设计神经网络，让数据科学家更专注于业务数据！

时间： 2017.03.09 19:30 - 21:10

课时安排
19:30 - 20:00 观众进入课堂
20:00 - 21:00 演讲人直播分享
21:00 - 21:10 演讲人答疑

点我报名