欧姆龙自动化（中国）有限公司深度学习和Tensorflow培训
中科信软根据客户的实际需求，进行了针对性的培训

深度学习模型原理

1．CNN（R-CNN (SPPNET) Fast-R-CNN Faster-R-CNN (YOLO、SSD)）

nCNN模型的推导与实现

nCNN的反向求导及练习

nCNN应用：文本分类

nCNN 常见问题总结

2．RNN

nRNN模型的推导与实现

nRNN的反向求导及练习

nRNN应用：个性化电影推荐

nRNN常见问题总结

3．LSTM

nLSTM模型的推导与实现

nLSTM的反向求导及练习

nLSTM应用：文本识别

nLSTM常见问题总结

4．DNN

nDNN模型的推导与实现

nDNN的反向求导及练习

nDNN应用：CTR预估

nDNN常见问题总结

5．广告搜索中深度学习的应用

n查询意图识别：CSR

n文本相关性：Word2Vec。DSSM

nCTR预估：DNN、MxNet

n图像理解：VGGNet、CNN

深度学习框架 Tensorflow

1.Tensorflow框架介绍

2.TensorFlow和其他深度学习框架的对比

3.Tensorflow 特性

4.Tensorflow 下载及安装

5.Tensorflow 架构

6.Tensorflow 基本使用

7.TensorFlow实现多层感知机

8.TensorFlow实现卷积神经网络

·TensorFlow实现简单的卷积网络

·TensorFlow实现进阶的卷积网络

·TensorFlow实现经典卷积神经网络

·TensorFlow实现ResNet

9.深度学习的模型训练技巧

10.梯度下降的优化方法详解

11.Tensorflow 实现循环神经网络及Word2Vec

·Tensorflow 实现Word2Vec

·Tensorflow 实现基于LSTM的语言模型

12.TensorFlow实现深度强化学习

·深度强化学习简介

·TensorFlow实现策略网络

·TensorFlow实现估值网络

13.迁移学习

·迁移学习的理论概述

·迁移学习的常见方法及案例

14.TensorBoard、多GPU并行及分布式并行

·TensorBoard

·多GPU并行

·分布式并行

15.实战：Python中实现LSTM模型搭建：时间序列

·基于某家店的某顾客的历史消费的时间推测该顾客前下次来店的时间

16.实战：用TensorFlow搭建图像识别系统

17.Tensorflow结合Spark