2019冠状病毒病(COVID-19)更新
由于对新冠肺炎疫情的高度关注，我们正在增加更多由教师指导的在线培训课程，以替代课堂课程。
基于MATLAB的深度学习
这个为期两天的课程全面介绍了使用MATLAB的实际深度学习®．与会者将学习如何创建、培训和评估不同类型的深度神经网络。教员指导的培训使用NVIDIA图形处理器加速网络培训。主题包括:
- 导入图像和序列数据
- 使用卷积神经网络进行图像分类、回归和其他图像应用
- 利用长短时记忆网络进行序列分类和预测
- 修改普通网络架构，解决自定义问题
- 通过修改训练选项来提高网络的性能
深度学习与MATLAB的认可NVIDIA的深度学习研究所．深度学习机构提供专门的培训也由gpu驱动。查看他们的行业特定内容和高级CUDA编程课程。
基于MATLAB的深度学习
先决条件
| 第2天 | |
|---|---|
| 用于图像分类的迁移学习 | 摘要目的:使用预先训练的网络进行图像分类。利用迁移学习训练定制的分类网络。
|
| 解释网络行为 | 摘要目的:通过可视化经过网络的图像数据，了解网络是如何运行的。将此技术应用于不同类型的图像。
|
| 创建网络 | 摘要目的:从头构建卷积网络。了解信息如何在网络层之间传递，以及不同类型的层是如何工作的。
|
| 训练一个网络 | 摘要目的:理解训练算法如何工作。设置培训选项以监控和控制培训。
|
| 第2天 | |
|---|---|
| 提高网络性能 | 摘要目的:选择并实现对训练算法选项、网络架构或训练数据的修改，以提高网络性能。
|
| 执行图像回归 | 摘要目的:创建可以预测连续数字响应的卷积网络。
|
| 深度学习在计算机视觉中的应用 | 摘要目的:训练网络定位和标记图像中的特定物体。
|
| 序列数据分类 | 摘要目的:建立并训练网络对数据的有序序列进行分类，如时间序列或传感器数据。
|
| 输出序列的生成 | 摘要目的:使用递归网络来创建预测序列。
|
