国家自然科学基金委《深度学习算法和其应用》天元讲习班 - 副本.PDFVIP

国家自然科学基金委《深度学习算法和其应用》天元讲习班 - 副本.PDF

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
国家自然科学基金委 《深度学习算法及其应用》天元讲习班 【背景】 世界各国纷纷布局人工智能研发与产业化 ,人工智能已经提升到国家战略高 度。国务院最近印发了新一代人工智能发展规划 ,明确指出:“人工智能的迅速发 展将深刻改变人类社会生活、改变世界”。在今年的两会上 ,人工智能写进了政 府工作报告 ;美国白宫也将人工智能列为国家战略。单就经济来说 ,借助人工智 能新技术实现自动化 ,优化行业现有产品和服务 ,将极大提高生产率 ,节省劳动 成本 ,并通过创造新市场、新就业促进市场的繁荣与发展。深度学习(Deep Learning)是目前人工智能、机器学习领域内的前沿热点研究方向,世界许多的 著名高校 (如斯坦福、MIT等)、知名企业(谷歌、IBM、Intel等)纷纷成立了 专业研究中心和实验室把深度学习进行科学技术成果转化。 本次讲习班由国家自然科学基金委指导并部分资助、浙江大学理学部图像处 理研发中心主办 ,英特尔、博钊科技协办。授课团队由浙大知名教授 ,科研或研 发第一线的年轻博士、博士后 ,以及英特尔公司高级工程师等组成。本讲习班将 重点讲习深度学习(卷积神经网络)、医学人工智能、FPGA。本次讲习班的优秀 学员 ,可以推荐到著名上市公司、知名创业公司等单位进行实习。 【目标】 本次讲习班对深度学习算法及应用进行深入的具有针对性的讲解 ,不仅包括 深度学习的基本知识与思想、基本框架结构、常见的神经网络 ,还包括强化学习 算法、迁移学习算法 ,以及在临床医学中的具体应用。课程内容以典型的实例为 主线 ,训练学员系统地从实际应用中凝练出核心科学问题的能力 ,同时进行深入 的讲解 ,帮助提高学员们掌握并利用深度学习进行具体的科研工作和实际工程技 术工作的能力与水平。 1、本次讲习班采用深入浅出的授课方法 ,结合实例 ,重点讲解深度学习的 框架模型、科学算法、训练过程技巧 ,使学员更有效的掌握深度学习核心技术及 动手能力 ; 2、通过本次讲习班的学习,能够把握深度学习技术的发展趋势 ,可以熟练 掌握深度学习核心算法、主要模型、实践技巧、并配以大量代码练习,同时针对 工作中存在的疑难问题进行分析讲解和专题讨论 ,有效地提升学员解决复杂问题 的能力。 【招生对象】 从事人工智能及相关领域 (如 :深度学习、计算机视觉、人脸识别、 图像 处理、行人检测、自然语言处理、医学影像等领域相关的企事业单位技术骨干、 科研院所研究人员和大专院校(包括医学院、医院)相关专业教学、科研人员及 在校研究生等相关人员 ,以及深度学习、计算机视觉等方面广大爱好者。 说明 :招生人数不超过30人。 【时间】 时间 :2017年11月2日—11月5日(第一天报到、后三天授课) 【上课地点】 浙江省·杭州市·浙江大学玉泉校区(西湖区浙大路38号) 【费用】 2017年10月20日前报名、缴费 ,学费 :3200/人 ; 2017年10月20日后报名、缴费 ,学费 :3600/人 ; 学费含报名费、授课费、午餐费、资料费。住宿可统一安排 ,费用自理。 【授课方式】 1.重点理论解析 2.型案例讲解分析 3.上机操作。 【先修知识】 Python及一定的数学基础 【课程内容】 1.神经网络 :从传统到现代 一、深度学习介绍 2.深度学习应用特点 3.深度学习发展方向 1.Caffe/Caffe2 2.MXNet 二、基本框架结构 3.Torch/PyTorch 4.TensorFlow 神经网络起源 :线形回归 1.从线形到非线性 :非线性激励 三、传统神经网络 2.神经网络的构建 :深度广度复杂度扩展 3.神经网络的“配件”:损失函数、学习率、动量、过拟合等

文档评论(0)

***** + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档