免费发布

重庆10月AI HPC--强化学习与GPU并行编程高级实操班

Sat, 26 Oct 2019 09:00:00 GMT+08 ~ Tue, 29 Oct 2019 17:00:00 GMT+08
Limited 500(Registered 9)
中科图云

Show

Please select the order price

第三方登录:

More Details
Hide...



AI HPC-强化学习与GPU并行编





培训简介


       随着人工智能(AI)特别是深度学习(Deep Learning)近年来的飞速发展,在多个领域的成功应用,已经成为当前学术界和各行业最炙手可热的研究应用方向。不仅广泛应用于搜索引擎、电子商务、社交网络等互联网服务,并且在计算视觉、自然语言处理、金融、生物医药等行业AI的研究与应用也呈现爆发式增长。学习深度学习首先需要对核心理论及算法有深入理解,在理解理论的基础上才能进行应用。GPU的价值不止体现在深度学习,在高性能计算、物联网、人工智能、生物信息、分子模拟、计算化学  、材料力学、系统仿真、流体力学、机械设计、生物制药、航空动力、地质勘探、气候模拟等领域,算法越来越复杂,需要处理的海量数据越来越巨大,高性能计算能力就显得尤为重要。如今,几乎所有的深度学习(机器学习)研究者都在使用GPU进行相关的研究,NVIDIA针对深度学习的计算,有一套完整的解决方案,cuDNN已经成为主流深度学习框架调用的深度学习GPU函数库,包含完整的矩阵乘法和卷积计算的实现。为加强AI技术的创新发展和应用,培养社会急缺的深度学习专业人才,中科院计算所西部高等技术研究院特别邀请深度学习领域的专家,举办“AI HPC--强化学习与GPU并行编程“高级培训班




培训内容


aihpc表格长途.jpg




培训目标



       在深度学习的基本概念和技术方法的基础上阐述深度学习的基本思想和解决问题的基本思维模式,从理论到实践逐步提升对深度学习技术方法的理解;从模型表达能力到计算复杂度两个层次帮助学员理解从数据推知数据蕴含的结构、解决问题的技巧。结合应用案例和开发框架构建学员从所学理论到实践解决问题的理论和工程相结合的能力。针对学员面对的实践问题展开讨论、方案建议。为学员配备由浅入深的参考书和深度学习开发教材,便于课后逐步提高能力。

现有硬件资源最大化利用,提供多种并行优化方案组合策略,提高并行程序设计与开发水平,熟悉常见的并行计算模式,了解深度学习的主流GPU加速解决方案;实际体验高性能计算环境,能够应对主流的超算环境;提供符合自身特点的工程计算解决方案,了解高性能计算和深度学习应用场景



培训对象



       院校计算机专业、网络通信专业、电子工程专业、信息计算科学专业、统计学专业等对AI /深度学习技术及研发感兴趣的老师、研究生等。相关从事大数据、数据挖掘、机器学习、计算视觉、自然语言处理、人机交互等领域研发的单位的技术部门、IT企业的工程师、研发负责人、算法工程师等。

从事高性能计算、GPU加速、并行计算、CUDA编程、openCV、石油、气象、化工、人工智能、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相关专业教学人员及在校研究生等相关技术人员;



培训方式


1、培训讲座

 2上机实操

 3、专题小组研讨与案例讲解分析结合




培训主讲人所著书籍




aihpc内容需要长图.jpg




内容简介

本书以“平民”的起点,从“零”开始,基于PyTorch框架,介绍深度学习和强化学习的技术与技巧,逐层铺垫,营造良好的带入感和亲近感,把学习曲线拉平,使得没有学过微积分等高级理论的程序员一样能够读得懂、学得会。同时,本书配合漫画插图来调节阅读气氛,并对每个原理都进行了对比讲解和实例说明。

本书适合对深度学习和强化学习感兴趣的技术人员、希望对深度学习和强化学习进行入门了解的技术人员及深度学习和强化学习领域的初级从业人员阅读。


目录

 

传统篇

第1章 强化学习是什么 2

1.1 题设 3

1.1.1 多智能才叫智能 5

1.1.2 人工智能的定义 5

1.2 强化学习的研究对象 7

1.2.1 强化学习的应用场合 7

1.2.2 强化学习的建模 11

1.3 本章小结 17

第2章 强化学习的脉络 18

2.1 什么是策略 18

2.2 什么样的策略是好的策略 19

2.3 什么是模型 21

2.4 如何得到一个好的策略 23

2.4.1 直接法 23

2.4.2 间接法 25

2.5 马尔可夫决策过程 29

2.5.1 状态转移 30

2.5.2 策略与评价 31

2.5.3 策略优化 36

2.6Model-BasedModel-Free 36

2.6.1Model-Based 36

2.6.2 规划问题 37

2.6.3Model-Free 38

2.7 本章小结 38

第3章 动态规划 40

3.1 状态估值 40

3.2 策略优化 42

3.3 本章小结 43

第4章 蒙特卡罗法 45

4.1 历史由来 45

4.2 状态估值 47

4.3 两种估值方法 49

4.3.1 首次访问蒙特卡罗策略估值 49

4.3.2 每次访问蒙特卡罗策略估值 49

4.3.3 增量平均 50

4.4 弊端 51

4.5 本章小结 52

第5章 时间差分 53

5.1SARSA算法 53

5.1.1SARSA算法的伪代码 54

5.1.2SARSA算法的优点和缺点 57

5.2Q-Learning算法 57

5.2.1Q-Learning算法的伪代码 58

5.2.2Q-Learning算法的优点和缺点 59

5.3On-PolicyOff-Policy 61

5.4On-Line学习和Off-Line学习 62

5.5 比较与讨论 63

5.6 本章小结 65

 

现代篇

第6章 深度学习 68

6.1PyTorch简介 69

6.1.1 历史渊源 70

6.1.2 支持 71

6.2 神经元 74

6.3 线性回归 77

6.4 激励函数 80

6.4.1Sigmoid函数 81

6.4.2Tanh函数 82

6.4.3ReLU函数 82

6.4.4Linear函数 83

6.5 神经网络 84

6.6 网络训练 85

6.6.1 输入 86

6.6.2 输出 86

6.6.3 网络结构 87

6.6.4 损失函数 88

6.6.5 求解极小值 90

6.6.6 线性回归 90

6.6.7 凸函数 93

6.6.8 二元(多元)凸函数 98

6.6.9 导数补充 101

6.6.10 导数怎么求 103

6.6.11 “串联”的神经元 105

6.6.12 模型的工作 107

6.6.13 理解损失函数 108

6.7 深度学习的优势 108

6.7.1 线性和非线性的叠加 109

6.7.2 不用再提取特征 111

6.7.3 处理线性不可分 112

6.8 手写数字识别公开数据集 114

6.9 全连接网络 117

6.9.1 输入与输出 118

6.9.2 代码解读 119

6.9.3 运行结果 125

6.10 卷积神经网络 125

6.10.1 代码解读 125

6.10.2 理解卷积神经网络的结构 132

6.10.3 卷积核的结构 134

6.11 循环神经网络 135

6.11.1 网络结构 136

6.11.2 应用案例 140

6.11.3 代码解读 143

6.12 其他注意事项 148

6.12.1 并行计算 148

6.12.2 梯度消失和梯度爆炸 152

6.12.3 归一化 157

6.12.4 超参数的设置 159

6.12.5 正则化 161

6.12.6 不唯一的模型 170

6.13 深度神经网络的发展趋势 171

6.14 本章小结 178

第7章 Gym——不要钱的试验场 180

7.1 简介 180

7.2 安装 182

7.3 类别 183

7.4 接口 188

7.5 本章小结 191

第8章 DQN算法族 192

8.12013DQN 192

8.1.1 模型结构 192

8.1.2 训练过程 195

8.1.3Replay Memory 197

8.1.4 小结 198

8.22015DQN 198

8.2.1 模型结构 198

8.2.2 训练过程 199

8.2.3Target网络 200

8.2.4 小结 201

8.3Double DQN 201

8.3.1 模型结构 202

8.3.2 训练过程 202

8.3.3 效果 203

8.3.4 小结 204

8.4Dueling DQN 204

8.4.1 模型结构 205

8.4.2 效果 207

8.4.3 小结 208

8.5 优先回放DQN 208

8.6 本章小结 209

第9章 PG算法族 211

9.1 策略梯度 211

9.2DPG 213

9.3Actor-Critic 214

9.4DDPG 214

9.5 本章小结 218

第10章 A3C 219

10.1 模型结构 219

10.1.1A3C Q-Learning 219

10.1.2A3C Actor-Critic 222

10.2 本章小结 224

第11章 UNREAL 226

11.1 主任务 226

11.2 像素控制任务 227

11.3 奖励值预测 229

11.4 值函数回放 230

11.5 损失函数 231

11.6 本章小结 232

 

扩展篇

第12章 NEAT 236

12.1 遗传算法 237

12.1.1 进化过程 237

12.1.2 算法流程 238

12.1.3 背包问题 239

12.1.4 极大(小)值问题 247

12.2NEAT原理 255

12.2.1 基因组 255

12.2.2 变异和遗传 256

12.3NEAT示例 258

12.4 本章小结 262

第13章 SerpentAI 263

13.1 简介 263

13.2 安装和配置 264

13.3 示例 265

13.3.1 创建Game Plugin 265

13.3.2 创建Game Agent 268

13.3.3 训练Context Classifier 271

13.3.4 训练Agent 282

13.4 本章小结 286

第14章 案例详解 287

14.1AlphaGo 287

14.1.1AlphaGo的前世今生 287

14.1.2 “深蓝”是谁 288

14.1.3 围棋到底有多复杂 290

14.1.4 论文要义 294

14.1.5 成绩 302

14.1.6 开源项目 303

14.2AlphaGo Zero 304

14.2.1 改进之处 304

14.2.2 成绩 308

14.2.3 开源项目 309

14.3 试验场大观 311

14.3.1StarCraft 311

14.3.2VizDoom 320

14.3.3Universe 323

14.3.4DOTA2 324

14.4 本章小结 329

第15章 扩展讨论 331

15.1TRPO 331

15.2 反向强化学习 332

15.3 模型压缩 333

15.3.1 剪枝 335

15.3.2 量化 336

15.3.3 结构压缩 337

15.4 本章小结 339

 

后记 341

附录A 342

A.1 安装Ubuntu 342

A.2 安装CUDA环境 347

A.3 安装PyTorch 348

A.4 下载本书示例代码 349

A.5 安装PyCharm 350

A.5.1 方法一 350

A.5.2 方法二 351

A.6 安装Jupyter Notebook 351

A.7 安装相关Python依赖包 352

A.7.1 安装Box2D 352

A.7.2 安装MuJoCo 352

A.7.3 安装SerpentAI 355

A.7.4 安装Spritex 359

A.7.5 安装StarCraft 360

A.7.6 安装VizDoom 363

A.8 安装OpenCV 364

A.9Python语言简介 364

A.9.1 安装Python 365

A.9.2Hello World 365

A.9.3 行与缩进 365

A.9.4 变量类型 366

A.9.5 循环语句 367

A.9.6 函数 368

A.9.7 模块 369

A.9.8 小结 369

A.10 本书涉及的主要开源软件版本 369

参考文献 371




时间地点



2019年 10月26日  2019年10月 29日(25日报道)


重庆市渝北区双鱼座A15楼中科院计算所西部高等技术研究院主会议室



报名办法



请各有关部门统一组织本地区行政、企事业单位报名参加会议,各单位也可直接报名参加。



授课讲师



主讲专家来自中科院及高校的深度学习高级专家,拥有丰富的科研及工程技术经验,长期从事计算领域国家重大项目研究,具有资深的技术底蕴和专业背景。




培训费用




A  ¥RMB:4300/,包含报名费、培训费、资料费、证书费 

B ¥RMB:4800/,(包含报名费、培训费、资料费、证书费)


食宿可统一安排,费用自理

A类:学员经培训考试合格后可以获得:由 北京中科云畅应用技术研究院 颁发的结业证书

B类:培训结束经考核合格,可获得由中国电子学会颁发全国电子信息人才能力提升工程专业技术证书, 依据人力资源与社会保障部《国家级专业技术人员继续教育基地管理办法》(人社厅发〔2013〕53 号)的要求,本次学习情况,本次学习情况可计入继续教育学时并作为对专业技术人员考核评价、岗位聘用、职称评聘和执业注册的重要依据。须提交电子版彩色照片,身份证复印件。



主办单位: 中科院计算所西部高等技术研究院

承办单位: 北京中科云畅应用技术研究院

协办单位: 北京中科图云科技有限公司


西研院.png

西研院2.png



有疑问可咨询:

13001051273或798947682@qq.com
中科图云小助手微信:TuyunAssistant


更多资讯可关注: 

官方公众号:中科图云
服务号:中科图云AICloud




往届回顾




微信图片_20190912165208.jpg

微信图片_20190912165218.jpg

微信图片_20190912165223.jpg





中科图云科技有限公司


Event Tags

Recent Participation

Perhaps you'd be interested in

Question

All Questions

  • AIHPC 11个月前

    学生报名有没有优惠价?学术报名?自己出略贵,但是想去听听

    3
  • AIHPC 11个月前

    西部难得过来啊,考虑来成都,昆明开班不?我们有一些资源,你们有线上课程吗?收费低一点的

    3
  • DeepAI 11个月前

    能侧重讲讲AI的性能优化吗?多机大规模训练,单机推理预测干过ncnn

    5
  • DeepTech 11个月前

    A类:学员经培训考试合格后可以获得:由 北京中科云畅应用技术研究院 颁发的结业证书 B类:培训结束经考核合格,可获得由中国电子学会颁发全国电子信息人才能力提升工程专业技术证书, 依据人力资源与社会保障部《国家级专业技术人员继续教育基地管理办法》(人社厅发〔2013〕53 号)的要求,本次学习情况,本次学习情况可计入继续教育学时并作为对专业技术人员考核评价、岗位聘用、职称评聘和执业注册的重要依据。须提交电子版彩色照片,身份证复印件。

    5
  • DeepTech 11个月前

    A类:学员经培训考试合格后可以获得:由 北京中科云畅应用技术研究院 颁发的结业证书 B类:培训结束经考核合格,可获得由中国电子学会颁发全国电子信息人才能力提升工程专业技术证书, 依据人力资源与社会保障部《国家级专业技术人员继续教育基地管理办法》(人社厅发〔2013〕53 号)的要求,本次学习情况,本次学习情况可计入继续教育学时并作为对专业技术人员考核评价、岗位聘用、职称评聘和执业注册的重要依据。须提交电子版彩色照片,身份证复印件。

    6
  • big9 11个月前

    A类和B类有啥区别呀

    6
  • 图云AI 11个月前

    能只听第一天吗?如何收费?

    5
  • DeepTech 11个月前

    理论讲过后,有上机的时间吗?

    6
  • 图云大数据 11个月前

    深度学习和强化学习的比例?侧重点?

    6

Location...(Map Detail)

OrganizersMore

中科图云

中科图云

北京中科图云科技有限公司是一家由中国科学院计算技术研究所/西部高等技术研究院孵化的高技术创新企业。公司专注于人工智能/云计算/大数据/高性能方向的技术培训。致力于通过对行业前沿技术的持续创新解读,为相关方向的研究机构和行业用户,提供从训练到推理的一站式人工智能云计算应用服务解决方案/教学实训平台

WeChat Scan

Share to WeChat→