北京AI工程师培训班

【学习时间】

周一到周五8-17点

【授课方式】

远程+面授

【学习周期】

720课时

【课程内容】

01章预备知识：图像识别方法的演进基础

01-01开发环境配置：Anaconda环境和MXNet

01-02深度学习简介：起源、特点和发展

01-03计算机视觉概述

01-04数据操作

01-05自动求梯度

01-06图像识别的演进

01-07线性回归与线性回归的实现

01-08线性模型：对数线性二分类、多分类

01-09独热和稠密度向量表示

01-10softmax回归与实现

01-10基于深度学习的图像识别技术发展

02章深度学习基础知识

01-01线性模型的局限性：异或问题

01-02非线性输入转换、核方法、可训练的映射函数

01-03感知机和多层感知机的实现

01-04模型选择、欠拟合过拟合问题

01-05权重衰减和丢弃法

01-06实战案例：房价预测模型

01-07神经网络基础

01-08前馈神经网络、BP神经网络

01-09神经网络的训练

01-10深度学习计算

03章卷积神经网络与深度学习

01-01二维卷积层相关运算

01-02填充和步幅

01-03多输入通道和多输出通道

01-04二维最 大池化层和平均池化层

01-05卷积神经网络LeNet模型

01-06深度卷积神经网络AlexNet

01-07使用重复数据的网络

01-08网络中的网络：NIN块和NIN模型

01-09合并行连接的网络

01-10批量归一化

01-11残差网络ResNet模型

01-12稠密度连接网络DeseNet模型

04章循环神经网络与深度学习

01-01语言模型计算

01-02循环神经网络

01-03模型语言数据集

01-04循环神经网络从零开始实现

01-05循环神经网络的简介实现

01-06通过时间反向传播

01-07门控循环单元

01-08长短期记忆

01-09深度循环神经网络

01-10双向循环神经网络

05章优化算法与深度学习

01-01优化与深度学习的关系

01-02梯度下降和随机梯度下降

01-03小批量随机梯度下降

01-04动量法与实现

01-05AdaGrad算法特点与实现

01-06RMSProp算法

01-07AdaDelta算法

01-08Adma算法

06章计算机技术与高性能计算

01-01衡量性能的方法

01-02提高性能性能的各种编程方法

01-03命令式和混合编程

01-04异步计算

01-05自动并行运算

01-06多GPU运算

07章AI应用方向之计算机视觉

01-01使用图像增广训练模型

01-02微调:热狗识别

01-03目标检测和边界框

01-04计算机视觉：锚框生成

01-05多尺度目标检测

01-06目标检测数据集：皮卡丘

01-07单发多框检测：SSD

01-08卷积神经网络系列：R-CNN

01-09语意分割和数据集

01-10全卷积网络

01-11样式迁移

08章计算机视觉案例：Kaggle图像识别

01-01案例1:图像分类

01-02案例2:狗的品种

01-03step1:获取和整理数据集

01-04step2:图像增广

01-05step3:读取数据集

01-06step4:定义模型

01-07step5:定义训练函数

01-08step6:训练模型

09章AI应用方向之NLP自然语言处理

01-01词嵌入和连续词袋模型

01-02近似训练：负采样、层序softmax

01-03word2vec的实现

01-04子词潜入：fastText

01-05全局向量的词潜入：GloVe

01-06求近义词和类比词

01-07文本情感分类：使用循环神经网络

01-08文本情感分类：使用卷积神经网络（textCNN）

01-09编码器、解码器

01-10贪婪搜索、全局搜索、束搜索

01-11注意力机制

10章NLP自然语言处理案例

01-01案例1:机器人翻译

01-02step1:读取和与处理数据集

01-03step2:含注意力机制的编码器-解码器

01-04step3:训练模型

01-05step4:预测不定长的序列

01-06step5:评价翻译结果

01-07唐诗生成器

01-08step1:定义输入数据

01-09step2:定义多层LESTM模型

01-10step3:定义损失函数

01-11step4:训练模型生成文字

01-12step5:更多参数说明

01-13step6:运行自己的数据

【学习目标】

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

熟悉深度学习应用

熟悉CNN、RNN、Faster RCNN等深度神经网络模型，并掌握其相关的优化算法

了解深度学习高级算法，包括卷积神经网络、循环神经网络等

掌握优化算法和高性能计算方法

掌握NLP自然语言处理一线行业案例

掌握计算机视觉图像识别一线行业案例

【师资力量】

董雪婷（Yuki）

教龄：10年

主攻方向：人工智能

教育背景：复旦大学数学科学学院

Dr. Danian Gong

教龄：17年

主攻方向：人工智能

教育背景：

加州科技大学客座教授

ProEdst机器学习课程导师

清华大学EE专业博士学位

荣誉：硅谷人工智能科学家

【招生对象】

有一定基础的学员

【学员评价】

孔同学

统计学和数据挖掘理论是数据分析的基础，常规的统计理论和数据挖掘算法必须要学会，想入行应重点研究，并要学会制作风险评分卡。其他算法了解即可。

董同学

三个月的学习时间。紧凑的课程安排让我感觉每一天都特别充实，白天认真听讲，晚自习巩固复习，每一天都在进步和成长。 我对未来充满了希望。

王同学

CDA的学习经历，给我的人生增添了一段难忘的回忆，也给我在现在的工作中带来了很大的帮助，在今后的工作中要更加努力，不断完善自己。

苏同学

学习是一种态度，在CDA三个月集中学习的过程中，认识了很多同学，也增长了一些校园以外的知识，学习的过程很累很艰辛，却觉得很值得！ 痛并快乐着！！

李同学

CDA对于我而言，是一个新生活的起点，经过3个月的奋战，我学习到了许多知识，更结识了许多志同道合的朋友，这是我3个月的学习生活宝贵的财富。

赵同学

首先感谢的是课堂里茫茫多的教授级导师的个人魅力的熏陶，其次就是，三个月持续不断的学习，让我养成一个持续学习的心态和热爱学习的态度。

【品牌宣传】

用AI让优质的教育人人可得

【机构环境】

【机构简介】

如荷学为北京国富如荷网络科技有限公司旗下专注于数字化人才培养及服务的教育品牌,致力于大数据在产、学、研的融合应用。服务百万数字化人才,是全球500强企业的忠实合作伙伴。

如荷学以"培养企业需要的专业数字化人才,搭建弓|领数字化时代的企业人才梯队”为使命,为TD时代数字化人才的数据能力提升及企业数字化转型提供标准化、效率、可落地的数据应用侧解决方案。

【发展历程】

2006年 开展数据统计、计量实战，学术研究等相关培训视频和现场班

2007年 开展数据统计、数据分析相关培训班

2011年 随着大数据热潮的来临，依托累计上万类共享资料，多年沉淀师资团队，论坛召集多位专家，研发CDA数据分析师体系

2013年CDA数据分析师品牌成立，提供系统化的大数据、数据分析人才培养和认证

2014年 CDA INSTITUTE 成立 ,并推出第 一届全国CDA数据分析师认证考试

2015年第 一届中国数据分析师行业峰会（CDAS）在9月11日成功举办，参会人数逾3000人

2016年 CDA汇聚海内外大数据、数据分析专家上千人，推出就业班、数据科学家训练营、企业内训、CDA俱乐部等多个项目

2017年整合论坛与CDA数据分析师业内资源，形成数据分析领域生态圈，并进一步升级CDA企业内训体系，正式推出大数据实验室

2018年北上广深等多个城市均有校区；拥有200多位专业师资；培养学员超过3万人，每年6月/12月全国28个城市举办CDA认证考试

2019年已举办九届数据分析师认证考试，得到业界广泛认可，学员遍布各大知名企业。人工智能产品“好学AI”问世，引领DT时代新一波技术培训浪潮