- 人工智能與深度學(xué)習(xí)實(shí)戰(zhàn) 內(nèi)容精選 換一換
-
來(lái)自:百科需要掌握人工智能技術(shù),希望具備及其學(xué)習(xí)和深度學(xué)習(xí)算法應(yīng)用能力,希望掌握華為人工智能相關(guān)產(chǎn)品技術(shù)的工程師 課程目標(biāo) 學(xué)完本課程后,您將能夠:描述神經(jīng)網(wǎng)絡(luò)的定義與發(fā)展;熟悉深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的重要“部件”;熟悉神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與優(yōu)化;描述深度學(xué)習(xí)中常見(jiàn)的問(wèn)題。 課程大綱 1. 深度學(xué)習(xí)簡(jiǎn)介來(lái)自:百科
- 人工智能與深度學(xué)習(xí)實(shí)戰(zhàn) 相關(guān)內(nèi)容
-
華為云計(jì)算 云知識(shí) 深度學(xué)習(xí):IoT場(chǎng)景下的AI應(yīng)用與開(kāi)發(fā) 深度學(xué)習(xí):IoT場(chǎng)景下的AI應(yīng)用與開(kāi)發(fā) 時(shí)間:2020-12-08 10:34:34 本課程旨基于自動(dòng)售賣機(jī)這一真實(shí)場(chǎng)景開(kāi)發(fā),融合了物聯(lián)網(wǎng)與AI兩大技術(shù)方向,向您展示AI與IoT融合的場(chǎng)景運(yùn)用并解構(gòu)開(kāi)發(fā)流程;從 物聯(lián)網(wǎng)平臺(tái)來(lái)自:百科大V講堂——雙向深度學(xué)習(xí) 大V講堂——雙向深度學(xué)習(xí) 時(shí)間:2020-12-09 14:52:19 以當(dāng)今研究趨勢(shì)由前饋學(xué)習(xí)重新轉(zhuǎn)入雙向?qū)ε枷到y(tǒng)為出發(fā)點(diǎn),從解碼與編碼、識(shí)別與重建、歸納與演繹、認(rèn)知與求解等角度,我們將概括地介紹雙向深度學(xué)習(xí)的歷史、發(fā)展現(xiàn)狀、應(yīng)用場(chǎng)景,著重介紹雙向深度學(xué)習(xí)理論、算法和應(yīng)用示例。來(lái)自:百科
- 人工智能與深度學(xué)習(xí)實(shí)戰(zhàn) 更多內(nèi)容
-
經(jīng)網(wǎng)絡(luò)開(kāi)發(fā)和訓(xùn)練,可謂再好不過(guò)了。如何使用深度學(xué)習(xí)框架MindSpore進(jìn)行模型開(kāi)發(fā)與訓(xùn)練?又如何在ModelArts平臺(tái)訓(xùn)練一個(gè)可以用于識(shí)別手寫(xiě)數(shù)字的模型呢?讓我們來(lái)一探究竟吧。 數(shù)據(jù)集的選擇與準(zhǔn)備 機(jī)器學(xué)習(xí)中的傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)都是數(shù)據(jù)驅(qū)動(dòng)的研究領(lǐng)域,需要基于大量的歷史數(shù)來(lái)自:百科與應(yīng)用。 實(shí)驗(yàn)?zāi)繕?biāo)與基本要求 通過(guò)本實(shí)驗(yàn)將了解如何使用Keras和Tensorflow構(gòu)建DFCNN的 語(yǔ)音識(shí)別 神經(jīng)網(wǎng)絡(luò),并且熟悉整個(gè)處理流程,包括數(shù)據(jù)預(yù)處理、模型訓(xùn)練、模型保存和模型預(yù)測(cè)等環(huán)節(jié)。 實(shí)驗(yàn)摘要 實(shí)驗(yàn)準(zhǔn)備:登錄華為云賬號(hào) 1. OBS 準(zhǔn)備 2.ModelArts應(yīng)用 3.開(kāi)始語(yǔ)音識(shí)別操作來(lái)自:百科華為云計(jì)算 云知識(shí) 計(jì)算機(jī)視覺(jué)基礎(chǔ):深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò) 計(jì)算機(jī)視覺(jué)基礎(chǔ):深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò) 時(shí)間:2020-12-17 09:56:23 通過(guò)學(xué)習(xí),您將掌握計(jì)算機(jī)視覺(jué)的基本概念和主要知識(shí)點(diǎn),并且對(duì)于計(jì)算機(jī)視覺(jué)和廣義人工智能的方法論有一定的認(rèn)識(shí),初步具備判斷計(jì)算機(jī)視覺(jué)是否適合解決特定問(wèn)題的能力。來(lái)自:百科溫馨提示:詳情信息請(qǐng)以課程詳情頁(yè)信息為準(zhǔn)。 AI開(kāi)發(fā)平臺(tái) ModelArts ModelArts是面向開(kāi)發(fā)者的一站式AI開(kāi)發(fā)平臺(tái),為機(jī)器學(xué)習(xí)與深度學(xué)習(xí)提供海量數(shù)據(jù)預(yù)處理及半自動(dòng)化標(biāo)注、大規(guī)模分布式Training、自動(dòng)化模型生成,及端-邊-云模型按需部署能力,幫助用戶快速創(chuàng)建和部署模型,管理全周期AI工作流。來(lái)自:百科。以及中軟宅客學(xué)院在線平臺(tái)網(wǎng)絡(luò)人工智能課程介紹及7天實(shí)戰(zhàn)、人才測(cè)評(píng)。 內(nèi)容大綱: 1、人工智能基本知識(shí)體系; 2、機(jī)器學(xué)習(xí)基礎(chǔ)與實(shí)踐; 3、深度學(xué)習(xí)基礎(chǔ)與實(shí)踐; 4、強(qiáng)化學(xué)習(xí)基礎(chǔ)與實(shí)踐; 5、Vega簡(jiǎn)介、架構(gòu)和Pipeline; 6、網(wǎng)絡(luò)人工智能AutoML簡(jiǎn)介; 7、電信領(lǐng)域來(lái)自:百科云知識(shí) TBE自定義算子開(kāi)發(fā)與驗(yàn)證實(shí)戰(zhàn) TBE自定義算子開(kāi)發(fā)與驗(yàn)證實(shí)戰(zhàn) 時(shí)間:2020-12-09 09:46:20 本課程主要介紹什么是算子、什么是TBE,以及如何使用TBE來(lái)進(jìn)行開(kāi)發(fā)活動(dòng)。 目標(biāo)學(xué)員 AI領(lǐng)域的開(kāi)發(fā)者 課程目標(biāo) 通過(guò)對(duì)教材的解讀+實(shí)戰(zhàn)演示,使學(xué)員學(xué)會(huì)使用TBE算來(lái)自:百科課程目標(biāo) 通過(guò)本課程的學(xué)習(xí),使學(xué)員了解行業(yè)趨勢(shì)及應(yīng)用前景、掌握機(jī)器學(xué)習(xí)的應(yīng)用,及如何進(jìn)行AI應(yīng)用的學(xué)習(xí)。 課程大綱 第1節(jié) 人工智能發(fā)展及應(yīng)用 第2節(jié) 人工智能與機(jī)器學(xué)習(xí) 第3節(jié) 監(jiān)督學(xué)習(xí)與非監(jiān)督學(xué)習(xí)實(shí)例講解 第4節(jié) 如何快速掌握AI應(yīng)用的能力 AI開(kāi)發(fā)平臺(tái)ModelArts Mode來(lái)自:百科
- 人工智能深度學(xué)習(xí)
- 人工智能中的深度學(xué)習(xí):原理與實(shí)踐
- 《MXNet深度學(xué)習(xí)實(shí)戰(zhàn)》—1.1.3 深度學(xué)習(xí)
- 《MXNet深度學(xué)習(xí)實(shí)戰(zhàn)》—1.2 深度學(xué)習(xí)框架
- PyTorch深度學(xué)習(xí)實(shí)戰(zhàn) | 深度學(xué)習(xí)框架(PyTorch)
- 《深度學(xué)習(xí):主流框架和編程實(shí)戰(zhàn)》——1.2 統(tǒng)計(jì)學(xué)與深度學(xué)習(xí)
- 《深度學(xué)習(xí):主流框架和編程實(shí)戰(zhàn)》——1.1.2 傳統(tǒng)機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的對(duì)比
- 《深度學(xué)習(xí)之TensorFlow入門(mén)、原理與進(jìn)階實(shí)戰(zhàn)》—1 快速了解人工智能與TensorFlow
- 《MXNet深度學(xué)習(xí)實(shí)戰(zhàn)》
- 機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、人工智能三步走,人工智能必須知道的幾種深度學(xué)習(xí)算法