简介
众所周知，人工智能是高级计算智能最宽泛的概念，机器学习是研究人工智能的一个工具，深度学习是机器学习的一个子集，是目前研究领域卓有成效的学习方法。深度学习的框架有很多，而TenforFlow将神经网络、算法这些平时停留在理论层面的知识，组织成一个平台框架，集合了神经网络的各个算法函数组成一个工具箱，让广大工程师可以专心建造自己的目标领域的“轮子”，而且TenforFlow是基于Python语言的，极易上手，这些优势迅速吸引了全世界的工程师。
本课程是关于Tensorflow与深度学习实践的一门课程。本课程讲解Tensorflow中各种概念、操作和使用方法，针对Tensorflow的基础知识，在传统数据分析中应用、CNN和RNN都进行详细讲解，并且给出了丰富的深度学习模型实战。
目标
1、了解机器学习、深度学习与人工智能之间的关系以及机器学习解决的问题
2、掌握如何使用TensorFlow实现深层网络、卷积神经网络
3、了解深度学习分布式训练框架
受众人群
大数据架构师、大数据工程师、开发工程师等对人工智能相应技术有兴趣的人群
课程时长
2天（12H）
分享提纲
| 1. 深度学习与TensorFlow简介（2h） | 1.1.机器学习、深度学习与人工智能之间的关系以及机器学习解决的问题 1.2.机器学习原理简介 1.3.深度学习的简单历史 1.4.目前深度学习的应用情况 1.5.深度学习工具对比 |
| 2. 深层神经网络解决MNIST问题 | 2.1.介绍MNIST问题 2.2.介绍MNIST数据 2.3.TensorFlow的安装、Jupyter工具简介 2.4.TensorFlow Hello World程序介绍 2.5.神经网络介绍。 2.6.深度学习与深层神经网络（去线性化、激活函数） 2.7.损失函数的定义 2.8.给出TensorFlow程序并讲解 |
| 3. 神经网络优化方法 | 3.1.梯度下降和反向传播 3.2.学习率的设置 3.3.正则化 3.4.滑动平均模型 3.5.TensorFlow实现深层网络最佳实践 3.6.不同算法实验 |
| 4.卷积神经网络 | 4.1.卷积神经网络简介 4.2.使用TensorFlow实现卷积神经网络 4.3.使用LeNet-5实现MNIST 4.4.其他经典卷积神经网络结构 4.5.卷积神经网络设计的pattern |
| 5. 循环神经网络 | 5.1.循环神经网络原理简介 5.2.LSTM简介 5.3.使用卷积神经网络实现语言模型 5.3.1 语言模型问题介绍 5.3.2 Penn TreeBank数据介绍 5.3.3 给出代码，解读代码 |
| 6. TensorFlow加速 | 6.1.TensorFlow使用GPU方法和样例程序 6.2.深度学习分布式训练框架简介 6.3.TensorFlow使用多GPU原理及样例代码 6.4.分布式TensorFlow简介 6.5.Caicloud TensorFlow as a Service系统介绍 |
京ICP备2022035414号-1
