您查看的活动已结束

深度学习现在已经逐渐成为移动机器人、人脸识别、物体检测、自动驾驶、智能家居等应用不可或缺的方法，其准确率方面已经接近甚至超过了人类水平。
但由于我国人工智能起步较晚、发展历程较短，人才储备不足且培养机制不完善，导致我国人工智能产业内有效人才缺口预计高达30万。作为人工智能技术的根基，深度学习已成为人工智能领域入门者及研究者的必修知识。
不少技术人都致力于通过阅读博客文章或者知乎来进行学习，以达到快速掌握深度学习知识的能力，但如果不理解深度学习的理论，直接动手实践，最终造成只会调参数的局面。
那么，如何才能拥有扎实的理论基础做后盾？最终实现落地实际应用?

7月24-25日在上海；8月28-29日在深圳，前百度高级算法工程师马波将为大家分享《机器学习(深度学习)算法和应用》的课程，内容分为DNN 入门和基本模型；模型评估、调参和优化；卷积神经网络 CNN 原理和实践；循环神经网络RNN原理和实践四大部分。此外，他将通过幻灯片算法讲解、结合代码分析，剖析算法原理；实际应用举例和和业界趋势分析；成熟开源框架介绍和实例(Numpy, Pandas, Sklearn, Keras, TensorFlow)。

讲师介绍

马波

架构师 机器学习研究者

作为技术合伙人，马波曾参与了Great Wall Solution（新加坡）的创建和早期的开发和管理；作为技术总监，他曾负责量化派（Quant Group）核心交易系统的交付和技术部的管理。

作为高级算法工程师，他曾负责百度度秘策略组的技术方向和 NLU（Natural Language Understanding）的实现；作为首席架构师，他曾负责丁丁租房的机器学习方向的多种产品设计和实现。现在猎户星空作为NLP研究员，负责对话大脑等模型构建。

培训对象

对深度学习算法原理和应用感兴趣，具有一定编程(Python)和数学基础(线性代数、微积分、概率论)的技术人员。

课程大纲

课程内容总计分为四部分：

1、机器学习和神经网络入门2、模型的训练、调参、评估和优化3、卷积神经网络4、循环神经网络

课程内容

​