发布时间：2022-07-22 12:29:45

1.掌握大数据建模分析与使用方法。

2.掌握大数据平台技术架构。

3.掌握国内外主流的大数据分析与 BI 商业智能分析解决方案。

4.掌握大数据分析在搜索引擎、广告服务推荐、电商数据分析、金融客户分析方面的应用。

5.掌握主流的基于大数据 Hadoop 和 Spark、R 的大数据分析平台架构和实际应用。

6.掌握基于 Hadoop 大数据平台的数据挖掘和数据仓库分布式系统平台应用，以及商业和开源的数据分析产品加上 Hadoop 平台形成大数据分析平台的应用剖析。
掌握常见的机器学习算法。......【阅读全文】

发布时间：2022-07-21 12:47:34

1.深入了解神经网络的组成、训练和实现，掌握深度空间特征分布等关键概念；
2.掌握迁移学习的思想与基本形式，了解传统迁移学习的基本方法，对比各种方法的优缺点；
3.握深度迁移学习的思想与组成模块，学习深度迁移学习的各种方法；
4.掌握深度迁移学习的网络结构设计、目标函数设计的前沿方法，了解迁移学习在PDA、Source-Free DA上的应用；
5.掌握深度迁移学习在语义分割、目标检测、行人重识别等任务中的应用，学习图像/视频风格迁移方法，了解风格迁移在实际生活中的应用；
6.掌握小样本学习、Transformer等前沿方法和基本思想，了解小样本学习、Transformer等在实际场景下的应用；
7.通过实操掌握图片视频风格迁移，自动驾驶中的跨域语义分割，目标检测。
三、培训专家
来自中国科学院计算技术研究所、清华大学、北京理工大学等科研机构和大学的高级专家，拥有丰富的科研及工程技术经验，长期从事深度学习、迁移学习、计算机视觉等领域的教学与研究工作。
四、参会对象：
各省市、自治区从事人工智能、机器学习、深度学习、迁移学习、计......【阅读全文】

发布时间：2022-07-20 10:45:52

RNN是最强大的模型之一，它使我们能够开发如分类、序列数据标注、生成文本序列（例如预测下一输入词的SwiftKey keyboard应用程序），......【阅读全文】

发布时间：2022-07-19 12:20:38

2．用数据集的均值和标准差把数据集归一化。......【阅读全文】

发布时间：2022-07-15 10:19:29

?用于构建深度学习模型的不同文本数据表示法：
?理解递归神经网络及其不同实现，例如长短期记忆网络（LSTM）和门控循环单元（Gated Recurrent Unit，GRU），它们为大多数深度学习模型提供文本和序列化数据；
?为序列化数据使用一维卷积。......【阅读全文】