深度学习的发展前景与深度学习的培训.doc

《深度学习的发展前景与深度学习的培训.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、深度学习的发展前景与深度学习的培训　　深度学习已经被广泛应用在计算机视觉、自然语言处理等人工智能领域中，极大推动了人工智能的发展。当下，无论学术界还是企业界，都在发力深度学习的研究和应用；谷歌大脑、百度的IDL、腾讯的AIlab等都在布局人工智能，花重金招兵买马。　　据领英近日发布的《全球AI领域人才报告》显示，截至2017年一季度，基于领英平台的全球AI（人工智能）领域技术人才数量超过190万，仅国内人工智能人才缺口达到500多万。从下图中美人工智能产业分布图中，我们可以看到以计算机视觉、自然语言处理技术为核心的企业居多

2、，而当下，计算机视觉、自然语言处理、语音识别等技术大都采用深度学习框架，进一步导致深度学习算法工程师供远小于求的局面。　　　　图一中美人工智能产业分布图　　在各大招聘网站上，深度学习算法工程师、以深度学习为核心的计算机视觉算法工程师、自然语言处理算法工程师等岗位信息每天都有大量更新，年薪平均为35万，即使没有工作经验的本科生或者硕士生，也能拿到年薪27万+。　　　　图二深度学习工程师招聘信息　　“怎么样才能快速地入门深度学习，并上手项目实践”，这是困扰人工智能入门者的普遍性问题。大多数希望了解深度学习的伙伴，因为枯燥的数学

3、推导、繁琐的库配置和安装，而停止了继续学习的脚步。通过多次课程培训，我们发现，让学员尽早地在自己电脑上运行深度学习的项目实践代码，不仅可以加快学习效率，并且可以增强学员的自信心，这份自信源于，深度学习的项目实践效果让学员感到神奇与渴望。比如，用电脑跑这个项目代码：用深度学习模型学习世界画家的画风，画出世界名画，既可以增加学员的兴趣，又能提高学习的热情，实践效果如下图所示。　　　　图三深度学习模型学习世界大师画风　　近期，我们联合中科院自动化所一线青年学者正式推出《深度学习：从理论到实践》（寒假版）在线直播课程。讲师团队均为

4、中国科学院自动化所博士毕业生，人工智能一线青年骨干；熟悉知识难点和学员困惑，几乎手把手教你入门深度学习，让深度学习项目实践代码在电脑上跑起来。课程授课时间均安排在寒假期间，便于学习讨论。　　课程特色　　1.中科院自动化所一线青年学者主讲；　　2.提供一对一的人工智能入门咨询服务；　　3.课上直播答疑，课下微信群答疑；　　4.理论与实践相结合，注重项目实践；　　5.PPT和源代码均对学员开放；　　6.往期课程学员均报满300人，来自14个国家。　　深度学习课程内容　　1.数学基础（PPT资料）　　1.1贝叶斯决策理论、参数与

5、非参数估计　　1.2回归与分类、梯度下降优化　　1.3信息熵　　2.深度学习理论（6学时）　　2.1前馈神经网络（概述、单层神经网络、多层神经网络）　　2.2卷积神经网络（基本概念、发展历程、网络特点、网络设置、网络训练以及相关应用）　　2.3反馈神经网络（Hopfield网络、玻尔兹曼机、受限玻尔兹曼机）　　3.深度网络常见模型与Keras实战（8学时）　　3.1Keras与残差网络　　3.1.1从LSTM到Highway网络　　3.1.2从Highway网络到残差网络　　3.1.3基于Highway网络的应用　　3.2

6、自动编码机AE及生成对抗网络GAN　　3.2.1AE的起源与变种　　3.2.2生成对抗网络GAN　　3.2.3基于GAN网络的应用　　3.3基于Keras的行为识别实践　　3.3.1行为识别问题简介　　3.3.2基于深度学习的行为识别常用模型介绍　　3.3.3基于Keras的行为识别实践　　3.4基于Keras的场景分割　　3.4.1场景分割问题简介　　3.4.2基于深度学习的场景分割常用模型介绍　　3.4.3基于Keras的场景分割实践　　4.深度学习框架（4学时）　　4.1Caffe入门（简介、安装和配置、优点与局限性

7、分析、深入Caffe源码、Caffe调试）　　4.2Caffe提高（基于Caffe的MINST手写识别、Caffe的Python接口、Caffe修改与添加Layer、网络训练技巧）　　5.网络压缩与移动端网络（2学时）　　5.1深度学习的网络压缩介绍及其意义　　5.2常见的网络压缩方法介绍　　5.3手机等移动端网络介绍（mobilenet，shufflenet等）　　讲师团队　　汪老师，中科院自动化所一线科研学者，副研究员，团队在领域顶级会议期刊ICCV、TNNLS、TIP等发表论文20多篇；参加全国视频图像分析技术挑战赛

8、，获得目标检测识别第二名，熟练掌握并应用深度学习Keras框架和Caffe框架。　　宫老师，某知名外企研究院算法工程师，中国科学院自动化研究所博士，在计算机视觉与人工智能领域具有近六年的研究经历。攻读博士学位期间主要研究方向是模式识别与图像处理，曾在模式识别领域内顶级国际期刊发表论文，参加某知名互联网公