深度学习跨领域多栖强势发展

深度学习作为实现机器学习的技术,拓展了人工智能领域范畴,主要应用于图像识别、语音识别、自然语言处理。推动市场从无人驾驶和机器人技术行业扩展到金融、医疗保健、零售和农业等非技术行业,因此掌握深度学习的AI工程师成为了各类型企业的招聘热门岗位。

行业详情

中公教育深度学习课程三大优势

涵盖行业75%技术要点   深度匹配企业用人标准

  • 深度学习算法工程师

    薪资:31.2-62.4K

    数据来源:职友集
    任职要求:

    1、熟悉常用的语音或图像处理算法-熟练使用C,C++,Python,Caffe,TensorFlow,熟悉RNN,包括不限于cnn+lstm+ctc,seq2seq+attention
    2、熟悉linux下动静态库开发维护
    3、加分项:在图像处理、计算机视觉或机器学习领域发表过高质量论文,有ARM端加速开发经历,有图形学研究经历

  • 深度学习算法工程师

    薪资:20-30K

    数据来源:职友集
    任职要求:

    1. 扎实的计算机及机器学习基础知识,熟悉Java、Python开发
    2. 熟悉GBDT、FM等常见排序算法
    3. 有双塔DNN、DCN、xDeepFM等深度学习排序算法落地经验
    4. 熟悉Tensorflow开发、性能优化。有丰富的使用Tensorflow上线推荐DNN模型的经验

  • 深度学习算法工程师

    薪资:25-50K

    数据来源:职友集
    任职要求:

    1. 精通至少一门编程语言,包括但不仅限于:C++/Python
    2. 熟悉传统机器学习、深度学习,有Tensorflow/PyTorch开发经验;
    3. 对 NLP 有实践经验、深入研究的热情,能与团队融洽合作相处;
    4. 算法与编程能力强

  • 深度学习应用算法工程师

    薪资:30-60K

    数据来源:职友集
    任职要求:

    1. 硕士及以上学历,计算机、电子、自动化等相关专业
    2. 熟悉Python,精通C/C++编程,编程能力优秀
    3. 熟练掌握Caffe/TensorFlow/PyTorch/MXNet等至少一种深度学习框架
    4. 有深度学习模型在android/arm linux等平台移植部署方面经验
    5. 对深度学习模型优化算法有极大的兴趣,良好的团队合作精神
    6. 有深度学习模型性能优化成功经验者优先
    7. 有AI算法设计及开发经验者,尤其是华为Atlas算法移植优先
    8. 具体参加过比较大的智能产品项目落地者优先, 比如安防项目等

行业详情

中科院人工智能领域专家坐镇

AI专家研发及授课

带您领略深度学习行业前沿技术

  • 刘老师

    7年人工智能领域从业经验,国内头部人工智能独角兽公司算法科学家,负责和参与10余个人工智能项目的研发与产品化。目前主要从事人工智能算法在金融科技领域的应用与落地

  • 李老师

    主持国家青年基金1项,参与国家重点研发项目、自然基金类项目共计10余项,作为负责人或主要完成人承担人工智能相关项目8项,发表SCI和EI论文共计11篇,已申请和授权发明专利共计7项,软件著作权5项

  • 叶老师

    主持国家自然科学基金、国家重点研发计划子课题等多个国家级科研项目。作为主要研究骨干参与国家“973”、“863”、中科院院地合作、总参信息化部预研等多个项目

联系老师

前沿技术+企业级项目 助力AI进阶

  • 第一阶段
  • 第二阶段
  • 第三阶段
  • 第四阶段
  • 第五阶段
  • 第六阶段
  • 第七阶段
  • 第八阶段
AI概述及前沿应用成果介绍
  • 深度学习的应用成果

  • 单层/深度学习与机器学习

  • 人工智能的关系及发展简史

学习目标:

AI行业前沿技术及成果概述

神经网络原理及TensorFlow实战
  • 梯度下降优化方法

  • 前馈神经网络的基本结构和训练过程

  • 反向传播算法

  • TensorFlow开发环境安装

  • “计算图”编程模型

  • 深度学习中图像识别的操作原理

学习目标:

项目采用深度卷积神经网络实现手写数字图片的分类

循环神经网络原理及项目实战
  • 语言模型及词嵌入

  • 词嵌入的学习过程

  • 循环神经网络的基本结构

  • 时间序列反向传播算法

  • 长短时记忆网络(LSTM)的基本结构

  • LSTM实现语言模型

学习目标:

项目采用深度循环神经网络实现文学作品语言的特征抽取和向量化表示

生成式对抗网络原理及项目实战
  • 生成式对抗网络(GAN)的基本结构和原理

  • GAN的训练过程

  • GAN用于图片生成的实现

学习目标:

项目采用生成式对抗网络实现人脸图片的生成

深度学习的分布式处理及项目实战
  • 多GPU并行实现

  • 分布式并行的环境搭建

  • 分布式并行实现

学习目标:

采用深度学习的分布式技术,将上一阶段的项目进行分布式处理,实现分布式GAN人脸图片生成

深度强化学习及项目实战
  • 强化学习介绍

  • 智能体Agent的深度决策机制(上)

  • 智能体Agent的深度决策机制(中)

  • 智能体Agent的深度决策机制(下)

学习目标:

基于深度强化学习技术实现迷宫游戏智能体决策生成机制,使计算机自主完成迷宫游戏

车牌识别项目实战
  • 数据集介绍及项目需求分析

  • OpenCV库介绍及车牌定位

  • 车牌定位

  • 车牌识别

  • 学员项目案例评讲

学习目标:

项目源于企业实际需求,包括数据的处理分析,深度学习模型架构的设计、调试及优化,识别结果的分析等多个阶段,具备完整的企业级项目的开发流程,采用图像处理与深度学习综合运用实现车牌识别

深度学习前沿技术简介
  • 深度学习前沿技术简介

  • 元学习

  • 迁移学习等

学习目标:

结合前沿论文介绍深度学习方向、解决思路以及遇到的困难

更多课程内容

五大课程增值福利

  • 结课享相关证书
    助力职业发展

  • 报名即送python网课
    夯实课程基础

  • 直播课程全程回放
    随时复习已学知识点

  • 讲师答疑解惑
    深度剖析课程难点

  • 项目源码免费领
    实战复习两不误

行业详情

关于深度学习课程还有疑问想要解决?

专业老师马上为您解答

AI深度学习

在线咨询