人工智能师资培训:TensorFlow要点

Presentation on theme: "人工智能师资培训:TensorFlow要点"— Presentation transcript:

1 人工智能师资培训:TensorFlow要点
湖北工业职业技术学院-张明 2018.5

2 人工智能专业建设思路 课程建设基本思路 TensorFlow课程建设内容 服务地方产业

3 专业建设思路 教科研项目 素质拓展活动 素质拓展课程 人工智能课程群 人工智能专业 教会学生使用开源的模型如：slim和inception-V3来完成人工智能岗位的工作任务

4 专业建设思路 Python 数据计算、数据抓取、数据的展示 WEB前端技术 HTML5、JS、WEB框架
移动终端程序设计 Android Android程序设计、 TensorFlow Lite、开源模型的移植 人工智能 专业核心课程 人工智能导论 人工智能的基本概念、相关算法、数学、矩阵、概率相关知识 TensorFlow编程 TensorFlow基础知识、开源模型的使用、数据集的使用 TensorFlow综合项目案例 分布式模型的使用、分布式服务器的搭建、综合案例

5 课程建设思路 黑盒化 复杂的公式和理论“黑盒化” TensorFlow编程 工具化 TensorFlow平台框架“工具化” 案例化 将机器学习知识点“案例化”

6 课程建设思路 案例 功能 如何实现 知识点分解 知识点使用 MNIST手写字体识别 神经网络、CNN、RNN 逻辑回归 线性回归 图像分类器
开源模型的使用 强化学习-AI游戏

7 TensorFlow课程内容 Graphs、Variable、Session、feed、TensorBoard
线性回归 Graphs、Variable、Session、feed、TensorBoard TensorFlow基础知识 逻辑回归 神经网络的定义、二次代价函数、梯度下降法 MNIST数据集分类模型构建 数据集、神经网络构建、softmax用法、激活函数(relu、sigmod、tanh、dropout) TensorFlow神经网络的构建与优化 交叉熵代价函数优化MNIST数据集分类模型 cross-entropy、log-likelihood cost、常用的激活函数和代价函数的组合、欠拟合、过拟合 使用AdamOptimizer优化MNIST数据集分类模型 梯度下降法的优化（标准、随机、批量）

8 TensorFlow课程内容 卷积、池化、边界填充、归一化、激活、 全连接 RNN基本架构、前后传播算法、梯度爆炸、梯度消失
使用卷积神经网络实现MNIST数据集分类 卷积、池化、边界填充、归一化、激活、 全连接 TensorFlow实现RNN和CNN 使用循环神经网络实现MNIST数据集分 RNN基本架构、前后传播算法、梯度爆炸、梯度消失 Inception-V3数据集分类模型的使用 数据模型下载、数据集的处理、数据模型使用、模型的保存、checkpoint的读取 TensorFlow开源模型的使用 VGG开源数据集的下载与处理 开源数据集的下载、TFRecode文件操作、开源数据模型的修改 使用slime训练自己的分类模型 自定义数据集的构建、开源模型的修改

9 生成识别码图片、生成TFRecode文件 马尔科夫序列、R观察矩阵、Q矩阵生成、归一化操作 Epsiode迭代、Python图像处理
TensorFlow课程内容 验证码的生成 生成识别码图片、生成TFRecode文件 TensorFlow多任务 使用alexnet网络识别验证码 协调器，管理线程 游戏CNN网络构建 图片的处理、CNN定义 TensorFlow强化学习实例 AI游戏 网络训练 马尔科夫序列、R观察矩阵、Q矩阵生成、归一化操作 小鸟的控制 Epsiode迭代、Python图像处理

10 服务地方产业

11 谢谢