大数据产业培训基地举办《人工智能机器学习、深度学习算法开发实战会议2019(1月珠海班)》

2019年1月18日 8:00 至 2019年1月20日 18:00 ,大数据产业培训基地在 珠海·珠海L Hotel昌盛店·广东省珠海市香洲区昌盛路1号举办《人工智能机器学习、深度学习算法开发实战会议2019(1月珠海班)》。

会议介绍


人工智能机器学习、深度学习算法开发实战会议2019(1月珠海班)

人工智能机器学习、深度学习算法开发实战会议2019(1月珠海班)宣传图

   近年来,人工智能经历了从爆发到寒冬再到野蛮生长的历程,伴随着人机交互、机器学习、模式识别等人工智能技术的提升,机器人与人工智能成了这一技术时代的新趋势。云计算和大数据的蓬勃发展更使得人工智能迎来了新的契机,在互联网、汽车、智能家居,机器人等各领域,人工智能在进行着“井喷式”创新,并即将进入发展的‘黄金时代’。人工智能,不是取代而是一种演化与升级,它终将也会像其他技术革命一样,让人类强大,让世界上的不可能减少,让我们可以创造更多美好。当无人超市出现在街头,当AI程序“AlphaGo”战胜了人类围棋世界冠军,当汽车开启了“无人驾驶”新时代,不论人们对于人工智能是怀抱对未来的憧憬还是对是否会引发“失业潮”的担忧,它都已“入侵”我们的很多生活细节,并且正在逐渐改变整个人类社会的发展方向。人工智能的兴起是大数据、云计算科学进步的产物,也是人类对未来世界向往的必然,人工智能显然已经成为中国所有主流科技公司不能忽视的力量。因此大数据产业培训基地特推出了“人工智能进阶高级实战培训”,本次培训由数环云创(北京)科技有限公司具体承办,望相关单位收到通知后积极参加。相关培训事宜如下:

   数环云创——国内IT领域专业化培训与项目咨询、解决方案提供商。专注于大数据、人工智能、区块链、云计算、移动互联网、VR等新型技术方面的培训,为企业和高校开展大数据应用人才培训,课程体系等产品服务。

   大数据产业培训基地--拥有一批来自一线互联网行业(包括阿里、百度、腾讯、IBM、微软、Teradata等)知名的技术专家和管理人员组成的培训讲师团队,分别在金融银行业、电信业、互联网行业、医疗、电商、公安交通等领域有丰富的实战经验。传授最新的、最专业的、最实战的大数据技术知识,培训课件都经过了具有丰富教学课程体系研发团队的精心设计。数环云创是您企业培训的最佳选择,数环云创将致力于打造企业技术培训的领航者。

   为顺应未来人工智能的发展趋势,大数据产业培训基地成立了AI人工智能学院,立足自身多年培训资源、结合自身特色, 为一步推进人工智能核心技术的研发和产业化,建立人工智能实训基地,努力打造成为国内前沿的人工智能线下培训体系,旨在为人工智能领域的创新企业提供高端、复合型人才。对于AI领域的从业者来说,人工智能、机器学习和深度学习之间的差别应该非常清楚,机器学习则是人工智能领域的一个小分支,如果说AI是一个合集,那么ML就是AI的子集。机器学习在公司数据处理中扮演了一个很重要的角色。机器学习也是目前最接近人工智能的系统。人工神经网络是一种拟人数据处理模式。它是深度学习的基础,深度学习是一种使用深度神经网络进行大量数据构建的系统。人工智能,机器学习与深度学习都离不开大数据。人工智能的未来在于深度学习,因为它已经使很多机器学习的应用成为了可能。一个很好的例子便是使用深度学习进行图片识别,其表现在一定程度上已经超过了人类。我们已经在一个科技逐步迎合人类需求的时代,人工智能的未来拥有无限的可能性。 

   1) 深入理解神经网络结构和实践技巧。

   2) 掌握工业级实用技术:深度神经网络压缩!

   3) 深入理解深度卷积神经网络和实践技巧。

   4) 深入理解图像搜索前沿技术。

   5) 掌握一线互联网公司深度学习项目研发思路:以大规模车辆重识别系统为例

   6) 深入理解Word2Vec、RNN/LSTM/GRU和Seq2Seq模型

   7) 算法原理+实践代码,手把手带你玩转深度学习模型! 

   1)想入门深度学习者

   2)深度学习的入门选手,想进一步提升原理理解和实践者

   3)看了大量的公开课、教程却还是似懂非懂者

   4)大学本科生、研究生想收割一线互联网深度学习研发offer者

   5)想转行从事人工智能行业的学习者

???????

   2019年01月18日-01月20日 周五、周六、周日(17号培训报到) 珠海

数环云创(北京)科技有限公司成立于2015年3月,是一家初创的新型互联网科技企业,公司目前致力于IT领域的信息化培训与项目咨询、企业大数据实施与技术服务的解决方案提供商。

会议日程 (最终日程以会议现场为准)


日程

课程主题

主要内容

决策树模型与各种集成模型;

Kaggle与工业界的大杀器—Xgboost;

随机森林与深度学习的结合;

1.决策树模型及其原理;

2.Bias and Various tradeoff原理:评估模型性能的直观解释;

3.各种集成模型(Ensemble):bagging, boosting和随机森林等树集成模型与他们的原理和实际应用;

4.Kaggle与工业界的大杀器—Xgboost: 原理和实际应用中的技巧(如何在比赛和实际项目中使用xgboost达到最好的效果);

5.随机森林与深度学习的结合:Deep Forest的原理,数学推导和实用性;

6.实战:各种特征工程和分类器在真实案例中的应用

多层神经网络(MLP)与深度学习      

1.多层全连接神经网络:

? 多层神经网络的结构与网络表达;

? 向前传播与反向传播原理和数学推导;

? 激活函数使用方法与优劣;

? 损失函数使用方法与优劣;

?  各种正则化原理使用方法与优劣(L1,L2, dropout等);

2. 深度学习与多层神经网络的关系;

直观解释和理论分析深度学习效果强劲的背后原理;

3. 实战:用python手工来实现复杂的多层神经网络结构

卷积神经网络(CNN)与计算机视觉(CV)

1.  计算机视觉中的大杀器—卷积神经网络:

卷积神经网络的结构;

卷积层的原理和计算推导;

池化层;

全连接层;

2. 最近几年常用的卷积神经网络结构(Letnet, Alexnet, Vgg, Googlenet, Resnet等)和核心数学公式推导;

3. 深度迁移学习(transferlearningindeeplearning)与多任务学习(multi-tasklearning):

   深度迁移学习在计算机视觉中的基本概念和实际使用方法;

4. 实战:用卷积神经网络实现物体识别

循环神经网络(RNN)与自然语言处理(NLP)

1、在计算机中词向量的表达形式和word embedding;

2、从词向量到wordembedding的方法——word2vec: skip-gram和CBOW的原理,数学推导和实际应用;

3、循环神经网络(RNN)的结构与原理:

   循环神经网络在不同应用中的不同网络结构;

   LSTM和GRU的拓扑网络结构

   它们之间联系与区别;

4、Sequence to Sequence模型的组成与优缺点;

5、Attention-based模型的组成与数学推导;

6、实战:用基于attention-based Seq2Seq实现机器翻译;

深度学习在Google, Facebook, 百度,阿里等互联网巨头公司中的成功应用——广告点击率预估(CTR预估)

1、什么是广告点击率预估,广告点击率预估的商业价值是什么;

 2、早期各大公司中广告点击率预估的机器学习模型的应用和原理:

   LR, LR-FTRL; Factorization Machines; GBDT+LR;

3、最近两年中,深度学习在这个领域的发展和实际应用:

   l  Wide & Deep Learning;

   l  Deep Learning over Multi-field

   categorical data: FNN and SNN;

   l  Product-based Neural Networks: PNN;

   l  DeepFM;

   l  Neural Factorization Machine(NFM)

   l  Attentional Factorization Machine(AFM)

未来通用人工智能和最近热门的发展方向—迁移学习(transferlearning),生成对抗网络(GAN)和深度强化学习(Deep Reinforcement Learning)

1、迁移学习的基本概念和各种应用场景;

2、四类迁移学习的方法;

3、最近的深度学习中的迁移学习:

   几种常见的深度迁移学习的算法原理和核心数学公式推导;

4、生成模型与判别模型的区别与联系

5、生成对抗网络的基本原理和网络结构;

6、介绍深度强化学习;

   2016年轰动人类的人工智能—AlphaGo的原理和数学推导;

   100 vs 0击败AlphaGo的又一“魔鬼”:AlphaGo Zero的原理和改进之处;


自然语言处理中的机器学习

1.    词嵌入模型 word embedding;

2.    高级词向量表达技术:word2vec的两个模型;

3.    RNN网络:从传统RNN到LSTM, GRU和Bi-LSTM的原理理解与推导

4.    简单理解Seq2Seq模型:Encoder-Decoder

5.    实践:基于Seq2Seq的机器翻译模型

高级自然语言处理技巧与

人工智能热门技术

1.    重新认识Seq2Seq模型,

   基于Attention-based model;

2.    强化学习概述与应用;

3.    GAN技术的概述与应用;

4.    人工智能技术在工业界的发展展望与讨论


本提纲只是一个初始版本,为了课程需要,中间细节内容可能略微调整。授课时预留一些时间给学员答疑解惑,每天的课程会留出来一些时间给学员做总结和答疑阶段,为了学员能更好的学以致用,建议学员带着自己实际项目或者之前学习过程中的问题去听课,授课过程中积极与讲师互动,来解决之前的困惑。

会议嘉宾 (最终出席嘉宾以会议现场为准)


    彭老师:基地金牌讲师:彭博士毕业于国内Top5高校计算机专业,在人工智能和模式识别领域发表了10余篇顶级会议和期刊。目前在国内某知名互联网公司担任人工智能算法高级技术专家,有深厚的学术背景和丰富的项目及业务落地经验。彭老师还长期担任校园招聘和社会招聘技术面试官,有丰富的招聘面试经验。因其深入浅出、诙谐幽默的授课风格,彭老师的课程大受学生喜爱,口碑非常好。

   张老师:基地金牌讲师:数据科学家,7年以上的机器学习和数据挖掘经验。在互联网公司从事机器学习相关项目的研发,落地与实际应用,主导公司的实际业务,带领团队在算法优化创新等方面持续深耕,推动项目的实施落地。在金融,推荐系统,图像和自然语言处理方面都有深入的研究和实际项目经验。从2011年开始从事机器学习和数据挖掘的相关研究工作,对于机器学习,深度学习,强化学习的原理和实际应用有自己独到的见解。熟悉Hadoop,Spark等大数据平台。在机器学习领域发表过多篇顶级期刊会议文章,也是多个顶级期刊会议的审稿人。

参会指南


培训费用:5800元/人/项(含培训、教材、专家、场地、证书、学习用品费等)

团购票:4000元/人,5张起售

相关领域
商业