人工智能培训(7月22日)
微信扫码继续观看
直播已结束
去看看其他课程吧!更多课程>>
培训课程安排:
时间 | 课程安排 | 课程内容 | 所需软件环境 |
第一天 | • 自然语言处理基础 • 当前主流技术基础:Transformer |
• NLP基本原理 • NLP常用工具 • 语言模型与文本预处理 • RNN与自然语言处理 • LSTM与GRU • Attention与Self-Attention
• 基础论文讲解:All You Need is Transformer • 多核架构 • 多头注意力机制 • 编码与解码器 • 语言模型的构建
| • Python 3.X • numpy • matplotlib • pandas • Gensim • torch • torchvision
建议安装Anaconda(Python3.8,64位版本):
PyTorch安装请参照官网: |
第二天 | • BertTology • 基于深度学习的机器视觉基础 |
• Bert原理与实现 • BERTology系列模型讲解 • Bert系列模型的训练方法
• 卷积神经网络基本概念 • 空洞卷积 • 转置卷积
• Transforms库的使用 | |
第三天 | • 机器视觉的经典网络结构 • 迁移学习 |
• AlexNet、VGG、ResNet、GoogleNet • FasterRCNN、SSD、YOLO • FCN、U-Net
• 迁移学习的目标与策略 • 迁移学习基本理论
• ResNet的实现 • 基于YOLO的目标检测
• Torchvision的预置模型 • 预置模型的加载 • 优化模块的配置与训练 • 优化后模型的使用
| |
第四天 | • Vision Transformer • 模型的封装与发布(一) |
• Vision Transformer基本理念 • Vision Transformer论文讲解
• Flask的基本概念 • RESTful的设计理念 • 装饰器与蓝图
• 基于PyTorch搭建Vision Transformer模型
• Flask的基本代码 • 基于Flask的RESTful • RESTful API的测试
| |
第五天 | • 模型封装与发布(二) • 课程内容回顾 • 交流与研讨 |
• Docker概述 • Docker的使用场景 • Docker的安装和配置 • 了解dockderfile • 使用Docker创建应用程序 • TorchServer • 机器学习云平台 • 模型发布与云原生
• 文本分类模型的训练与发布
|
培训亮点:
1. 在讲解深度学习基本概念的基础上,重点介绍了最近两年内在自然语言处理和机器视觉领域的主流技术,并以项目实战的方式介绍了PyTorch的开发技巧。
2. 本次培训借助于实例将理论讲解融合到代码开发中去的方法,通过有代表性的案例来提升参训老师的开发能力。
3. 本次培训还将从基本算法出发进行扩展,介绍目前最新相关算法与技术在业界的应用情况,
4. 模型的落地使用是整个机器学习流水线中的重要一环,这也是本次培训内容的一个重点,我们将讲解使用Flask + Docker对模型封装的技巧、TorechServer的使用,在此基础上还将讲解云原生的基本理念。
5.培训结束,经考核合格,获得信息技术新工科产学研联盟教师培训证书。
直播讲师
高明
国务院学位委员会大数据专家委员会委员