上海国富AI工程师培训班，主要是帮助学员熟悉AI工具，包括TensorFlow、Keras、Caffe、PyTorch、熟悉CNN、RNN、Faster RCNN等深度神经网络模型，并掌握其相关的优化算法等，更多详情请往下看。
CDA数据分析师培训，深耕数据人才教育多年，致力于打造数据人才多方位学习平台，汇聚好的学习资源，助力数据人才找到好工作，目前，CDA已与国内100多所好校进行了战略合作，建立了CDA数据分析师考试中心及人才培养基地；已出版30多本CDA数据分析师系列丛书，市场发行量数万册；已进行500多期线上线下数据分析及大数据培训课程，培养学员众多。
点击咨询第一：智能化是未来的重要趋势之一。随着互联网的发展，大数据、云计算和物联网等相关技术会陆续普及应用，在这个大背景下，智能化必然是发展趋势之一。人工智能相关技术将首先在互联网行业开始应用，然后陆续普及到其他行业。
第二：产业互联网的发展必然会带动人工智能的发展。互联网当前正在从消费互联网向产业互联网发展，产业互联网将综合应用物联网、大数据和人工智能等相关技术来赋能广大传统行业，人工智能作为重要的技术之一，必然会在产业互联网发展的过程中释放出大量的就业岗位。
第三：人工智能技术将成为职场人的必备技能之一。随着智能体逐渐走进生产环境，未来职场人在工作过程中将会频繁的与大量的智能体进行交流和合作。从这个角度来看，未来掌握人工智能技术将成为一个必然的趋势，相关技能的教育市场也会迎来巨大的发展机会。
大学生、在职提升、转行或待业人员
面授/网课、周一到周五8-17点开课
朝九晚九全程跟班答疑、一对一督学、定期直播串讲、五分钟内有问必答、出勤率和进度监督、作业与测试
熟悉AI工具，包括TensorFlow、Keras、Caffe、PyTorch
熟悉深度学习应用
熟悉CNN、RNN、Faster RCNN等深度神经网络模型，并掌握其相关的优化算法
了解深度学习高级算法，包括卷积神经网络、循环神经网络等
掌握优化算法和高性能计算方法
掌握NLP自然语言处理一线行业案例
掌握计算机视觉图像识别一线行业案例
| 授课章节 | 授课内容 |
|---|---|
| "01章预备知识：图像识别方法的演进基础 | 01-01开发环境配置：Anaconda环境和MXNet 01-02深度学习简介：起源、特点和发展 01-03计算机视觉概述 01-04数据操作 01-05自动求梯度 01-06图像识别的演进 01-07线性回归与线性回归的实现 01-08线性模型：对数线性二分类、多分类 01-09独热和稠密度向量表示 01-10softmax回归与实现 01-10基于深度学习的图像识别技术发展 |
| 02章深度学习基础知识 | 01-01线性模型的局限性：异或问题 01-02非线性输入转换、核方法、可训练的映射函数 01-03感知机和多层感知机的实现 01-04模型选择、欠拟合过拟合问题 01-05权重衰减和丢弃法 01-06实战案例：房价预测模型 01-07神经网络基础 01-08前馈神经网络、BP神经网络 01-09神经网络的训练 01-10深度学习计算 |
| 03章卷积神经网络与深度学习 | 01-01二维卷积层相关运算 01-02填充和步幅 01-03多输入通道和多输出通道 01-04二维最大池化层和平均池化层 01-05卷积神经网络LeNet模型 01-06深度卷积神经网络AlexNet 01-07使用重复数据的网络 01-08网络中的网络：NIN块和NIN模型 01-09合并行连接的网络 01-10批量归一化 01-11残差网络ResNet模型 01-12稠密度连接网络DeseNet模型 |
| 04章循环神经网络与深度学习 | 01-01语言模型计算 01-02循环神经网络 01-03模型语言数据集 01-04循环神经网络从零开始实现 01-05循环神经网络的简介实现 01-06通过时间反向传播 01-07门控循环单元 01-08长短期记忆 01-09深度循环神经网络 01-10双向循环神经网络 |
| 05章优化算法与深度学习 | 01-01优化与深度学习的关系 01-02梯度下降和随机梯度下降 01-03小批量随机梯度下降 01-04动量法与实现 01-05AdaGrad算法特点与实现 01-06RMSProp算法 01-07AdaDelta算法 01-08Adma算法 |
| 06章计算机技术与高性能计算 | 01-01衡量性能的方法 01-02提高性能性能的各种编程方法 01-03命令式和混合编程 01-04异步计算 01-05自动并行运算 01-06多GPU运算 |
| 07章AI应用方向之计算机视觉 | 01-01使用图像增广训练模型 01-02微调:热狗识别 01-03目标检测和边界框 01-04计算机视觉：锚框生成 01-05多尺度目标检测 01-06目标检测数据集：皮卡丘 01-07单发多框检测：SSD 01-08卷积神经网络系列：R-CNN 01-09语意分割和数据集 01-10全卷积网络 01-11样式迁移 |
| 08章计算机视觉案例：Kaggle图像识别 | 01-01案例1:图像分类 01-02案例2:狗的品种 01-03step1:获取和整理数据集 01-04step2:图像增广 01-05step3:读取数据集 01-06step4:定义模型 01-07step5:定义训练函数 01-08step6:训练模型 |
| 09章AI应用方向之NLP自然语言处理 | 01-01词嵌入和连续词袋模型 01-02近似训练：负采样、层序softmax 01-03word2vec的实现 01-04子词潜入：fastText 01-05全局向量的词潜入：GloVe 01-06求近义词和类比词 01-07文本情感分类：使用循环神经网络 01-08文本情感分类：使用卷积神经网络（textCNN） 01-09编码器、解码器 01-10贪婪搜索、全局搜索、束搜索 01-11注意力机制 |
| 10章NLP自然语言处理案例 | 01-01案例1:机器人翻译 01-02step1:读取和与处理数据集 01-03step2:含注意力机制的编码器-解码器 01-04step3:训练模型 01-05step4:预测不定长的序列 01-06step5:评价翻译结果 01-07唐诗生成器 01-08step1:定义输入数据 01-09step2:定义多层LESTM模型 01-10step3:定义损失函数 01-11step4:训练模型生成文字 01-12step5:更多参数说明 01-13step6:运行自己的数据" |
