课程：深度学习、目标识别与强化学习

咨询

成功案例

相关课程

全部课程 >人工智能

深度学习、目标识别与强化学习

54 次浏览

1 次


刘老师
曾兼任华为优秀内训讲师，拥有超过15年软件研发经验

时间地点：北京、上海、深圳根据报名开班

课程费用：5000元/人

报公开课		要内训

企业内训：可以根据企业需求,定制内训,详见内训学习手册

认证方式：
培训前了解能力模型。
培训后进行能力评测：

在线考试

能力分析，给出学习建议

合格者颁发证书，作为职业技能资格证明

本课程旨在系统性地介绍现代人工智能的核心支柱技术：深度学习、目标识别与强化学习。课程将从基础理论出发，深入探讨神经网络的工作原理，重点讲解其在计算机视觉领域最具代表性的应用——目标识别，并进一步扩展到能够让智能体通过与环境交互进行学习的强化学习范式。通过理论结合编程实践的方式，让学员能够亲手构建和训练AI模型。

培训目标：

了解DNN与CNN构建原理
掌握采用YOLO目标识别技术
了解GYM环境设置
掌握强化学习的训练模型

培训对象：

IT相关、数据分析、前沿技术感兴趣的人员

学员基础：

建议有一定Python编程基础

课程安排：2天

安排	主题
PyTorch 快速入门与神经网络构建	1. 神经网络核心组件 2. 构建神经网络的主要工具 3. PyTorch语法与基本操作 4. 自动求导机制与Hub模块介绍 5. 继承nn.Module基类构建模型 6. 使用nn.Sequential顺序构建模型
基于深度神经网络的股票预测	1. 股票趋势预测的分析思路 2. 数据预处理与归一化 3. 加窗处理与分割数据集 4. 标签独热编码转化 5. 模型训练、模型评估 6. 模型的保存与二次调用
YOLO目标识别实战	1. 物体检测业务场景综述 2. COCO数据集介绍、标注格式、下载脚本等 3. YOLOV8 DarkNet框架介绍和环境搭建 4. DarkNet框架解读及相关配置说明 5. YoloV8 检测生产车间安全帽佩戴 6. YoloV8 检车高速车辆通行（包计数功能）
神经网络之强化学习DQN实现	1. Pip安装GYM环境 2. FrozenLake游戏规则与奖罚介绍 3. SARSA算法推导 4. 采用函数编程实现SARSA算法 5. 蒙特卡洛多步采样实现 6. 基于DQN神经网络强化学习实现