课程简介

在此之前,我们举办过了三期机器学习集训营,从Python基础开始讲起,每一期都有很多同学拿到了dream offer。同时前几期一直有同学表示,希望在深度学习方向有更深入的学习和实践,建议我们在深度学习方向也开一个集训营,略过Python基础,从TensorFlow搭建DNN解决问题起步,实战BAT工业项目。

深度学习集训营特此推出,线上线下结合(线下在北京和上海),从头到尾全部实战,涵盖特征工程、深度学习在计算机视觉和自然语言处理领域中的应用,更有大规模车辆图片检索等应用于智慧城市、视频监控等场景的杀手级项目。

培养目标: 从DL基础开始,培养中高级深度学习工程师。挑战高薪、玩转AI。

PS:企业/高校团购集训通道请点击课程咨询,另,2人及2人以上组团报名,可各减500元,想组团者请加微信客服:julyedukefu。

特色服务

  • 全是深度学习的典型应用场景

    本期集训营总计五大阶段,近十个BAT实战项目,涵盖特征工程、混合网络、深度学习在计算机视觉当中的应用(比如图像分类、图像检索)、深度学习在自然语言处理中的应用(比如文本处理、文本分类、图像生成文本)、聊天机器人、大规模车辆图片检索等应用于智慧城市、视频监控等安防场景的BAT工业项目。

  • BAT专家级讲师 + 助教全方位辅导

    我们拥有来自BAT的专家级讲师和数位助教,给你全程全天候1v1般的定制辅导。平时晚上在线学习,周末线下项目实战,从而通过在线直播从头到尾掌握深度学习典型应用场景,通过线下项目实战练就DL工业项目的全栈能力。且有问题,课上课后随时答疑,手把手教会为止。

  • 作业项目考核三管齐下

    开课前提供机器学习、深度学习相关的在线课程做预习。每次课通过GPU + Jupyter Notebook + GitHub在线提交作业,然后讲师和助教1v1在线批改、讲解作业,且提供可执行的交互式代码。每个阶段均有精心设计的实战项目和在线考试,以便及时查漏补缺,学员学完全部内容后做毕业考试,且平时考试和毕业考试都做1v1批改,从而在不断的阶段性实战和考试中掌握机器学习技能。

  • 提供GPU云实验平台

    还原BAT真实生产环境,提供工业数据和国内首创的价值数十万的GPU云实验平台(提前装tensorflow、caffe、mxnet等主流DL框架和相关数据)。提供完善的实验平台供您动手、真枪实战,拒绝纸上谈兵。

  • 高起步 + 简历优化

    从特征工程、TensorFlow起步,一上来就实战BAT工业项目。且根据集训营实战项目,将涉及到的关键知识点和项目经历优化到您的简历中。

  • 面试求职辅导 + 就业推荐

    精讲深度学习工程师面试时常见考点/模型/算法,且BAT一线技术经理1v1模拟真实面试,从技术、表达等方面全方位提升您的面试能力。根据您的技术特长提供定制化的能力评估、就业指导以及包括BAT等一线互联网公司的工作机会推荐。2个月挑战年薪30~50万。

课程安排

  • 预习阶段 从DL基础起步,掌握三大核心模型

    在线视频:DNN与CNN,及NN框架

    • 1-DNN与混合网络:google Wide&Deep
    • 2-实战项目:数据非线性切分+google wide&deep 模型实现分类
    • 3-CNN:从AlexNet到ResNet
    • 4-实战项目:搭建CNN完成图像分类示例
    • 5-NN框架:caffe, tensorflow与pytorch
    • 6-实战项目:用几大框架完成DNN与CNN网络搭建与分类

    在线视频 :RNN、LSTM、与条件生成、attention

    • 1-RNN/LSTM/Grid LSTM
    • 2-实战项目:RNN文本分类
    • 3-RNN条件生成与attention
    • 4-实战项目:google神经网络翻译系统
  • 第一阶段 从数据科学比赛里看深度学习应用

    在线直播:业务场景下机器学习/深度学习数据处理与特征工程

    • 1-业务场景下的特征处理与挖掘套路
    • 2-如何用tensorflow进行常见的数据特征工程
    • 3-tensorflow搭建baseline模型解决分类问题

    在线直播:tensorflow搭建混合网络

    • 1-wide network搭建与优缺点
    • 2-deep neural Network搭建与优缺点
    • 3-混合网络搭建套路
    • 4-用混合网络解决分类问题

    线下实战:从DNN/Wide/Wide&Deep解决房价预测问题

    • 1-机器学习vs深度学习,工业界的利弊权衡
    • 2-神经网络基本原理和训练要点
    • 3-如何针对不同的应用场景选择模型结构
    • 4-从wide&deep到混合网络的搭建与应用
    • 5-以kaggle比赛为例讲解神经网络解决方案
  • 第二阶段 深度学习在计算机视觉中的应用

    在线直播:深度卷积神经网络原理与实践

    • 1-卷积操作的数学定义和物理意义
    • 2-卷积神经网络结构的两大原理—局部连接和权值共享
    • 3-卷积神经网络的主体结构和变种
    • 4-3小时内用百行代码登顶Kaggle图像分类比赛的Top-5%

    在线直播:海量图像与tensorflow处理

    • 1-Tensorflow输入数据——TFRecord与Dataset
    • 2-Tensorflow图像预处理
    • 3-Parameter Server原理
    • 4-Tensorflow的分布式训练的实现

    线下实战:图像分类与图像检索实战

    • 1-灵活选取卷积神经网络结构作为图像分类的Backbone
    • 2-迁移学习在深度学习中的应用——“微调”(Fine-tune)技术
    • 3-图像搜索的前世(Bag-of-Visual-Words)和今生(Deep Learning)
  • 第三阶段 深度学习在自然语言处理中的应用

    在线直播:文本预处理,词袋模型,word2vec,语言模型

    • 1-NLP基本知识:词袋、tf-idf、朴素贝叶斯
    • 2-DL中的NLP基础:word2vec、doc2vec、embedding、N-gram LM
    • 3-用深度学习一步步完成情感分析任务

    在线直播:CNN/LSTM 文本分类

    • 1-文本分类问题处理流程
    • 2-传统模型在文本分类上的表现
    • 3-从RNN到LSTM
    • 4-CNN/LSTM 在文本分类上的应用

    线下实战:文本语义相似度匹配模型以及Seq2Seq模型构建

    • 1-深度学习在自然语言处理中的基础工具:word2vec、Embedding
    • 2-文本检索与匹配通用模型方法:DSSM,CDSSM,DRMM,ARC-I
    • 3-Seq2Seq模型搭建详解与应用案例
    • 4-(短)文本语义相似度匹配模型构建及其实践应用

    线下实战:图像生成文本(Image2text)

    • 1-Image2text基本模型
    • 2-基于Attention的Image2Text
    • 3-反问题:Text2Image
  • 第四阶段 高级深度学习应用场景

    上午线下:基于深度学习的聊天机器人,看图说话与VQA

    • 1-基于深度学习匹配的聊天机器人
    • 2-基于序列到序列模型的聊天机器人
    • 3-结合CNN与RNN的看图说话与VQA看图问答机器人

    下午线下:大规模车辆图片搜索(Re-ID)算法原理及实践

    • 1-多任务(Multi-task)深度学习模型搭建与训练
    • 2-深度排序(Deep Ranking, Triplet Loss)原理与训练技巧
    • 3-使用多任务和深度排序模型,构建一个工业界和学术界最前沿的大规模车辆图片搜索算法(可用于智慧城市、视频监控等安防场景),在业界最大的车辆搜索开源数据集上取得State-of-the-Art效果
  • 第五阶段 深度学习模型优化及实践技巧

    上午线下:NLP与CV数据科学比赛案例详解与实践

    • 1-NLP AI比赛:文本主题与标签预测(通用模型结构、textCNN与textRNN、texRCNN与其他网络)
    • 2-图像比赛基本套路
    • 3-图像分类与图像分割比赛解决方案介绍

    下午线下:深度学习模型优化前瞻技术 以及实践技巧

    • 1-深度卷积神经网络的历史变革和设计理念——从AlexNet到DenseNet
    • 2-解析各类轻量级深度网络的设计理念——深度可分离网络
    • 3-深度学习模型训练时应注意的问题即实践技巧

实战项目

  • 实战项目1

    tensorflow搭建混合网络

    (1) wide network搭建与优缺点 (2) deep neural Network搭建与优缺点

    (3) 混合网络搭建套路 (4) 用混合网络解决分类问题

  • 实战项目2

    从DNN/Wide/Wide&Deep解决房价预测/Titanic问题

    (1) 机器学习vs深度学习,工业界的利弊权衡 (2) 机器学习+深度学习,如何针对场景配合使用

    (3) 从wide&deep到混合网络的搭建与应用 (4) 以kaggle比赛为例讲解神经网络解决方案

  • 实战项目3

    图像分类与图像检索实战

    (1) 灵活选取卷积神经网络结构作为图像分类的Backbone (2)迁移学习在深度学习中的应用——Fine-tune技术

    (3)图像搜索的前世(Bag-of-Visual-Words)和今生

  • 实战项目4

    图像生成文本(Image2text)

    (1)Image2text基本模型 (2)基于Attention的Image2Text

    (3)反问题:Text2Image

  • 实战项目5

    基于深度学习的聊天机器人,看图说话与VQA

    (1)基于深度学习匹配的聊天机器人 (2)基于序列到学历模型的聊天机器人

    (3)结合CNN与RNN的看图说话与VQA看图问答机器人

  • 实战项目6

    大规模车辆图片搜索(Re-ID)算法原理及实践

    (1)多任务(Multi-task)深度学习模型搭建与训练 (2)深度排序(Deep Ranking, Triplet Loss)原理与训练技巧

    (3)构建一个工业界和学术界的大规模车辆图片搜索算法(4)业界最大的车辆搜索数据集上取得State-of-the-Art效果

讲师介绍

  • 寒小阳

    著名电商搜索广告负责人,多年实际ml/DL/dm项目经验,专注海量数据上机器学习算法的应用与优化。做过推荐系统、NLP、点击率预估、图像识别。讲课清晰易懂,擅长用实际数据、代码、案例说话,备受数千名学员好评。

  • 张雨石

    Google工程师,北航硕士毕业,对深度学习、计算机视觉和自然语言处理有着极大的热忱,CSDN博客上有多篇文章流传甚广。去Google之前,曾先后在腾讯、百度实习。

时间安排

5月22日起正式上课,为期一个多月

  • 在线直播周二20:00PM--22:00PM
  • 在线直播周四20:00PM--22:00PM
  • 线下实战周六10:00AM--17:00PM

线下实训地址:北京、上海。

线下实训

大牛讲师面授,学习氛围浓厚

  • 上海线下班
  • 上海线下班
  • 上海线下班

课程咨询

微信咨询

电话:010-82712840

手机:173-1653-1751

email:jiaru@julyedu.cn

常见问题

  • Q : 集训营的上课方式是怎样的?

    A : 集训营采用线上线下相结合的方式,线上内容分为在线直播和在线实训,线下内容为线下集训,面对面实战项目辅导。

  • Q : 怎样的基础才能报名该集训营?

    A : 学过编程、高数、概率统计、Python,有一定的机器学习基础。

  • Q : 不在北京、上海怎么参加线下集训部分的课程?

    A : 七月在线不提供住宿,但是可以帮助大家协调住宿。如果实在无法参加线下的集训部分,仍然可以获得线下集训的课程讲义、代码和相关项目资料,您在自己实现具体项目时遇到任何问题可以随时咨询讲师。

限时特惠价:5999元 原价:8000元

报名即送《机器学习工程师 第八期》、《深度学习 第三期》、《TensorFlow框架案例实战