深度學習跨領域多棲強勢發展

深度學習作為實現機器學習的技術,拓展了人工智能領域范疇,主要應用于圖像識別、語音識別、自然語言處理。推動市場從無人駕駛和機器人技術行業擴展到金融、醫療保健、零售和農業等非技術行業,因此掌握深度學習的AI工程師成為了各類型企業的招聘熱門崗位。

行業詳情

中公教育深度學習課程三大優勢

涵蓋行業75%技術要點   深度匹配企業用人標準

  • 深度學習算法工程師

    薪資:31.2-62.4K

    數據來源:職友集
    任職要求:

    1、熟悉常用的語音或圖像處理算法-熟練使用C,C++,Python,Caffe,TensorFlow,熟悉RNN,包括不限于cnn+lstm+ctc,seq2seq+attention
    2、熟悉linux下動靜態庫開發維護
    3、加分項:在圖像處理、計算機視覺或機器學習領域發表過高質量論文,有ARM端加速開發經歷,有圖形學研究經歷

  • 深度學習算法工程師

    薪資:20-30K

    數據來源:職友集
    任職要求:

    1. 扎實的計算機及機器學習基礎知識,熟悉Java、Python開發
    2. 熟悉GBDT、FM等常見排序算法
    3. 有雙塔DNN、DCN、xDeepFM等深度學習排序算法落地經驗
    4. 熟悉Tensorflow開發、性能優化。有豐富的使用Tensorflow上線推薦DNN模型的經驗

  • 深度學習算法工程師

    薪資:25-50K

    數據來源:職友集
    任職要求:

    1. 精通至少一門編程語言,包括但不僅限于:C++/Python
    2. 熟悉傳統機器學習、深度學習,有Tensorflow/PyTorch開發經驗;
    3. 對 NLP 有實踐經驗、深入研究的熱情,能與團隊融洽合作相處;
    4. 算法與編程能力強

  • 深度學習應用算法工程師

    薪資:30-60K

    數據來源:職友集
    任職要求:

    1. 碩士及以上學歷,計算機、電子、自動化等相關專業
    2. 熟悉Python,精通C/C++編程,編程能力優秀
    3. 熟練掌握Caffe/TensorFlow/PyTorch/MXNet等至少一種深度學習框架
    4. 有深度學習模型在android/arm linux等平臺移植部署方面經驗
    5. 對深度學習模型優化算法有極大的興趣,良好的團隊合作精神
    6. 有深度學習模型性能優化成功經驗者優先
    7. 有AI算法設計及開發經驗者,尤其是華為Atlas算法移植優先
    8. 具體參加過比較大的智能產品項目落地者優先, 比如安防項目等

行業詳情

中科院人工智能領域專家坐鎮

AI專家研發及授課

帶您領略深度學習行業前沿技術

  • 劉老師

    7年人工智能領域從業經驗,國內頭部人工智能獨角獸公司算法科學家,負責和參與10余個人工智能項目的研發與產品化。目前主要從事人工智能算法在金融科技領域的應用與落地

  • 李老師

    主持國家青年基金1項,參與國家重點研發項目、自然基金類項目共計10余項,作為負責人或主要完成人承擔人工智能相關項目8項,發表SCI和EI論文共計11篇,已申請和授權發明專利共計7項,軟件著作權5項

  • 葉老師

    主持國家自然科學基金、國家重點研發計劃子課題等多個國家級科研項目。作為主要研究骨干參與國家“973”、“863”、中科院院地合作、總參信息化部預研等多個項目

聯系老師

前沿技術+企業級項目 助力AI進階

  • 第一階段
  • 第二階段
  • 第三階段
  • 第四階段
  • 第五階段
  • 第六階段
  • 第七階段
  • 第八階段
AI概述及前沿應用成果介紹
  • 深度學習的最新應用成果

  • 單層/深度學習與機器學習

  • 人工智能的關系及發展簡史

學習目標:

AI行業前沿技術及成果概述

神經網絡原理及TensorFlow實戰
  • 梯度下降優化方法

  • 前饋神經網絡的基本結構和訓練過程

  • 反向傳播算法

  • TensorFlow開發環境安裝

  • “計算圖”編程模型

  • 深度學習中圖像識別的操作原理

學習目標:

項目采用深度卷積神經網絡實現手寫數字圖片的分類

循環神經網絡原理及項目實戰
  • 語言模型及詞嵌入

  • 詞嵌入的學習過程

  • 循環神經網絡的基本結構

  • 時間序列反向傳播算法

  • 長短時記憶網絡(LSTM)的基本結構

  • LSTM實現語言模型

學習目標:

項目采用深度循環神經網絡實現文學作品語言的特征抽取和向量化表示

生成式對抗網絡原理及項目實戰
  • 生成式對抗網絡(GAN)的基本結構和原理

  • GAN的訓練過程

  • GAN用于圖片生成的實現

學習目標:

項目采用生成式對抗網絡實現人臉圖片的生成

深度學習的分布式處理及項目實戰
  • 多GPU并行實現

  • 分布式并行的環境搭建

  • 分布式并行實現

學習目標:

采用深度學習的分布式技術,將上一階段的項目進行分布式處理,實現分布式GAN人臉圖片生成

深度強化學習及項目實戰
  • 強化學習介紹

  • 智能體Agent的深度決策機制(上)

  • 智能體Agent的深度決策機制(中)

  • 智能體Agent的深度決策機制(下)

學習目標:

基于深度強化學習技術實現迷宮游戲智能體決策生成機制,使計算機自主完成迷宮游戲

車牌識別項目實戰
  • 數據集介紹及項目需求分析

  • OpenCV庫介紹及車牌定位

  • 車牌定位

  • 車牌識別

  • 學員項目案例評講

學習目標:

項目源于企業實際需求,包括數據的處理分析,深度學習模型架構的設計、調試及優化,識別結果的分析等多個階段,具備完整的企業級項目的開發流程,采用圖像處理與深度學習綜合運用實現車牌識別

深度學習前沿技術簡介
  • 深度學習前沿技術簡介

  • 元學習

  • 遷移學習等

學習目標:

結合前沿論文介紹深度學習最新的方向、解決思路以及遇到的困難

更多課程內容

五大課程增值福利

  • 結課享相關證書
    助力職業發展

  • 報名即送python網課
    夯實課程基礎

  • 直播課程全程回放
    隨時復習已學知識點

  • 講師答疑解惑
    深度剖析課程難點

  • 項目源碼免費領
    實戰復習兩不誤

行業詳情

關于深度學習課程還有疑問想要解決?

專業老師馬上為您解答
立即報名

AI深度學習

在線咨詢
国产亚洲中文字幕