如何以Tensorflow为切入点掌握GAN | 迁移学习

如何以Tensorflow为切入点掌握GAN | 迁移学习 | 强化学习

2017 年 7 月 17 日 数据分析 七月在线实验室

自Google开源TensorFlow之后，TensorFlow迅速成为全球最流行的DL框架，同时也极大降低了深度学习的入门门槛。七月在线作为国内AI教育的领导者，为让广大初学者更好的入门和实战TensorFlow，不仅开设了TensorFlow框架案例实战班，还以Tensorflow为切入点，串联设计了生成对抗网络（GAN），迁移学习，强化学习的课程。

（... 文末有彩蛋 ...）

课程特色——

1）首个全面覆盖Tensorflow和Tensorflow上层库(比如Keras)的课程

2）从Tensorflow数据预处理到建模训练，从图像到文本，全面覆盖

3）提供环境配置完善的GPU服务器供实战使用

4）精讲GAN图像生成等最新案例

开课时间——7月22日，8次课，共16学时

课程安排——

1.Tensorflow基础
计算图的概念与使用
    张量的概念与使用
    Tensorflow与session
    Tensorflow playground与非线性切分案例

2.详解深度神经网络案例
    线性与非线性模型
    多种场景与损失函数
    过拟合、学习率与滑动平均模型
    完成一个深度神经网络案例

3.卷积神经网络与图像应用
    经典数据集与应用
    卷积神经网络与图像识别：从LeNet-5到google inception V3
    物体检测与google object detection

4.海量图像训练预处理
    Tensorflow TFRecord输入数据格式与数据队列
    Tensorflow 图像预处理功能
    多线程输入数据处理框架
    高效Tensorflow图像应用

5.循环神经网络与应用
    简易循环神经网络案例
    LSTM/GRU循环神经网络
    自然语言生成建模案例
    时间序列预测建模案例

6.Tensorboard工具与模型优化
    Tensorboard简介
    命名空间与Tensorboard可视化
    模型状态评估与优化
    Kaggle图像比赛与优化案例

7.Tensorflow应用案例
    基于Tensorflow的图像风格转换案例
    基于Tensorflow的DCGAN图像生成案例

8.Tensorflow之上的工具库
    Keras简介
    Keras序贯模型与函数式模型
    Keras图像与自然语言应用案例

课程特色——

1）由浅及深，透彻讲解GAN背后的原理

2）涵盖从经典DCGAN到BEGAN等多种生成对抗网络，熟悉多重套路

3）从理论到实战，全方位展示Tensorflow代码完成生成对抗网络

开课时间——8月12日，4次课，共8学时

课程安排——

1.生成对抗网络基本原理
从生成模型到GAN
GAN背后的原理：从KL散度说起

2.多种多样的GAN
从WGAN说起
改进的WGAN
Cycle GAN, Disco GAN

3.基于能量的GAN
从原始GAN到EBGAN
MAGAN，LSGAN
来自google的BEGAN

4.GAN实战
使用Tensorflow实现DCGAN生成图像
使用Tensorflow实现BEGAN生成图像

课程特色——

1）从有监督到无监督，涵盖多种场景下的迁移学习

2）多领域迁移学习一次全通

3）基于数据案例，透彻理解迁移学习实现方法和注意点

开课时间——8月26日，2次课，共4学时

课程安排——

1.迁移学习详解

有监督到有监督：Fine-tune, 多任务学习

有监督到无监督：域对抗训练, Zero-shot learning

无监督相关迁移学习：Self-taught learning

2.迁移学习实战

Fine-tune图像识别

Tensorflow实现域对抗训练

音乐分类和回归的迁移学习

课程特色——

1）从模型无关到模型相关，从Q-learning到Policy gradient，全面涵盖主流强化学习内容知识

2）与工业级ML算法紧密结合的应用案例讲解

3）配套实验环境与GPU服务器

开课时间——9月9日，6次课，共12学时

课程安排——

第一课强化学习简介与马尔可夫过程
1.强化学习概念
2.探索和利用
3.马尔可夫决策过程

第二课 Model Free Learning
1.蒙特卡洛强化学习
2.Temporal-Difference学习
3.两种方法对比

第三课 Model Free控制
1.On-Policy蒙特卡洛
2.Sarsa算法
3.Off-Policy学习

第四课 Q-Learning
1.Q-Learning
2.Deep Q-Learning

第五课策略梯度学习
1.蒙特卡洛策略梯度
2.Actor-Critic算法

第六课 Tensorflow强化学习应用案例
1.强化学习乒乓球游戏
2.强化学习flappy bird