直播课推荐 | 基于PyTorch深度学习技术及实践应用
前言
近年来，Python语言由于其开源、简单等特点，受到了广大程序开发者的偏爱，丰富的函数库使得其在各行各业中得到了广泛的应用。伴随着新一轮人工智能（尤其是深度学习）的快速发展，许多深度学习框架应运而生，譬如：Tensorflow、Keras、Caffe、PyTorch等。其中，PyTorch作为后起之秀，发展非常迅猛，在学术界逐渐占据垄断地位，许多计算机顶级期刊、会议的最新文章的源代码都采用PyTorch深度学习框架。如果你还没有学习掌握PyTorch深度学习技术应用，那给我们三天时间，带你从零基础到熟练应用。东拼西凑的学习方式抱着问题无处求解，这样的学习更多的只会适得其反，跟着老师系统性的学习，效率更高、更快！
基于PyTorch深度学习技术及实践应用培训班
培训时间：9月28日—9月30日 线上直播
（支持回放视频永久观看，助学社群长期辅助指导）
郁磊副教授：长期从事Python、Matlab机器学习及深度学习等研究工作，具备良好的数学及信号处理基础，熟悉如神经网络、支持向量机、决策树、随机森林等，以及群优 化算法，如遗传算法、蚁群算法、蝙蝠算法等，近些年一直在对深度学习核心技术进行研究，主持参与多项相关重点项目研发及基因项目，且精通多种编程工具，如 MATLAB、Python、 C++、C#、VB、Java、Qt 等。熟悉各种时域、频域和非线性分析方法，如傅里叶变换、小波变换、李雅普诺夫指数、 多尺度熵、压缩感知等，以及各种特征选择与降维方法，如主成分分析、随机投影、互信息、 非负矩阵分解、稀疏优化等。熟悉数据库及网络编程，擅长 Apache + MySQL + PHP 架构开发，以及移动端 Android App 开发等。熟悉可穿戴设备硬件系统的开发，具备心电、肌电、血压、血氧饱和度、惯性传感器等 生理信号采集系统的开发经验。同时，熟悉常用的无线传感器网络通信协议，如 ZigBee、 Wifi、Bluetooth 等。开展Python相关课程多达百余场，发布多篇论文并著有《神经网络 43 个案例分析》和《智能算法 30 个案例分析（第二版）》等。
1. 掌握Python基础编程及常用的科学计算模块库的使用方法
2. 掌握主流的深度学习框架直接的区别与联系
3. 掌握PyTorch深度学习框架的安装与环境配置方法
4. 掌握张量（Tensor）的定义、创建方法、运算、索引操作等
5. 掌握PyTorch的动态计算图与自动求导（Autograd）机制
6. 掌握PyTorch常用工具包及API（torchvision、torch.nn、torch.optim、torch.utils等）的使用方法
7. 掌握前向型神经网络的基本原理、代码实现，以及模型参数优化、模型评价等方法与技巧
8. 掌握卷积神经网络的基本原理、进化史、代码实现、案例实战
9. 掌握PyTorch Lightning的安装、使用方法
10. 掌握迁移学习的基本原理、代码实现、案例实战
11. 掌握生成式对抗网络的基本原理、代码实现、案例实战
12. 掌握RNN、LSTM的基本原理、代码实现、案例实战
13. 掌握目标检测YOLO模型的基本原理、代码实现、案例实战
14. 通过实操培训掌握各种编程技巧
15. 解决学员实际工作中的疑难问题
各省市、自治区的各行各业从事人工智能、深度学习、机器学习、数据挖掘等方向相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学、科研人员及在校本科生、硕士和博士等相关人员，以及对机器学习、深度学习和Python、PyTorch编程感兴趣的广大爱好者。
你是否还在为了不熟悉操作PyTorch而苦恼？
你是否无法掌握深度学习目标检测原理及核心思维方法？
你是否无法掌握构建深度学习框架的能力？
前向型神经网络、卷积神经网络、迁移学习、生成式对抗网络、目标检测YOLO模型、RNN、LSTM这些都不懂？
别担心，本次三天时间课程，帮你掌握深度学习框架架构能力和架构思维。
课程详情
第一天
第一章 Python基础知识串讲 | 1、Python环境搭建（Python软件下载、安装与版本选择；PyCharm下载、安装；Python之Hello World；第三方模块的安装与使用；Python 2.x与Python 3.x对比） 2、Python基本语法（Python变量命名规则；Python基本数学运算；Python常用变量类型的定义与操作；Python程序注释） 3、Python流程控制（条件判断；for循环；while循环；break和continue关键字；嵌套循环与可变循环） 4、Python函数与对象（函数的定义与调用；函数的参数传递与返回值；变量作用域与全局变量；对象的创建与使用） 5、Matplotlib的安装与图形绘制（设置散点、线条、坐标轴、图例、注解等属性；绘制多图；图的嵌套） 6、科学计算模块库（Numpy的安装；ndarray类型属性与数组的创建；数组索引与切片；Numpy常用函数简介与使用） |
第二章 PyTorch简介与环境搭建 | 1、深度学习框架概述（PyTorch、Tensorflow、Keras等） 2、PyTorch简介（PyTorch的版本、动态计算图与静态计算图机制、PyTorch的优点） 3、PyTorch的安装与环境配置（Pip vs. Conda包管理方式、验证是否安装成功） |
第三章 PyTorch编程入门与进阶 | 1、张量（Tensor）的定义，以及与标量、向量、矩阵的区别与联系） 2、张量（Tensor）的常用属性与方法（dtype、device、layout、requires_grad、cuda()等） 3、张量（Tensor）的创建（直接创建、从numpy创建、依据数值创建、依据概率分布创建） 4、张量（Tensor）的运算（加法、减法、矩阵乘法、哈达玛积（element wise）、除法、幂、开方、指数与对数、近似、裁剪） 5、张量（Tensor）的索引与切片 6、PyTorch的自动求导（Autograd）机制与计算图的理解 7、PyTorch常用工具包及API简介（torchvision（transforms、datasets、model）、torch.nn、torch.optim、torch.utils（Dataset、DataLoader）） |
第二天
第四章 PyTorch前向型 神经网络 | 1、BP神经网络的基本原理（人工神经网络的分类有哪些？有导师学习和无导师学习的区别是什么？BP神经网络的拓扑结构和训练过程是怎样的？什么是梯度下降法？BP神经网络建模的本质是什么？） 2、BP神经网络的Python代码实现（怎样划分训练集和测试集？为什么需要归一化？归一化是必须的吗？什么是梯度爆炸与梯度消失？） 3、PyTorch代码实现神经网络的基本流程（Data、Model、Loss、Gradient）及训练过程（Forward、Backward、Update） 4、案例演示：Linear模型、Logistic模型、Softmax函数输出、BP神经网络 5、实操练习 6、值得研究的若干问题（隐含层神经元个数、学习率、初始权值和阈值等如何设置？什么是交叉验证？过拟合（Overfitting）与欠拟合(Underfitting)、泛化性能评价指标的设计、样本不平衡问题、模型评价与模型选择（奥卡姆剃刀定律）等） |
第五章 PyTorch卷积神经网络 | 1、深度学习简介（深度学习大事记：Model + Big Data + GPU + AlphaGo） 2、深度学习与传统机器学习的区别与联系（神经网络的隐含层数越多越好吗？深度学习与传统机器学习的本质区别是什么？） 2、卷积神经网络的基本原理（什么是卷积核？CNN的典型拓扑结构是怎样的？CNN的权值共享机制是什么？CNN提取的特征是怎样的？） 3、卷积神经网络的进化史：LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet等经典深度神经网络的区别与联系 4、利用PyTorch构建卷积神经网络（Convolution层、Batch Normalization层、Pooling层、Dropout层、Flatten层等） 5、案例讲解： （1）CNN预训练模型实现物体识别 （2）利用卷积神经网络抽取抽象特征 （3）自定义卷积神经网络拓扑结构 6、实操练习 7、PyTorch Lightning简介与快速入门（PyTorch Lightning与PyTorch的联系、PyTorch Lightning安装、案例演示） |
第三天
第六章 PyTorch迁移学习 | 1、迁移学习算法的基本原理（为什么需要迁移学习？为什么可以迁移学习？迁移学习的基本思想是什么？） 2、基于深度神经网络模型的迁移学习算法 3、案例讲解：猫狗大战（Dogs vs. Cats） 4、实操练习 |
第七章 PyTorch生成式对抗网络 | 1、生成式对抗网络GAN（什么是对抗生成网络？为什么需要对抗生成网络？对抗生成网络可以帮我们做什么？GAN给我们带来的启示） 2、GAN的基本原理及GAN进化史 3、案例讲解：GAN的PyTorch代码实现（手写数字生成） 4、实操练习 |
第八章 PyTorch RNN与LSTM | 1、循环神经网络RNN的基本工作原理 2、长短时记忆网络LSTM的基本工作原理 3、案例讲解：时间序列预测（北京市污染物预测） 4、实操练习 |
第九章 PyTorch目标检测 | 1、什么是目标检测？目标检测与目标识别的区别与联系 2、YOLO模型的工作原理，YOLO模型与传统目标检测算法的区别 3、案例讲解： （1）利用预训练好的YOLO模型实现目标检测 （2）数据标注演示 （3）训练自己的目标检测数据集 4、实操练习 |
第十章 复习与答疑讨论 | 1、课程相关资料拷贝与分享 2、答疑与讨论（大家提前把问题整理好） |
以下课程已录制视频
长期回放观看+导师社群复制指导+课件资料打包发送+最低7.5折特惠
<滑动查看详情>
R 语言回归及混合效应( 多水平/层次/嵌套)模型应用及贝叶斯实现精品视频课程
最新 Python 机器学习与深度学习案例实践技术应用精品视频课
基于 R 语言 meta 分析实践技术应用精品视频课
基于R语言的Copula变量相关性分析及应用精品视频课
R-GIS:如何用 R 语言实现 GIS 地理空间分析及模型预测时间技术应用精品视频课
基于R语言的极值统计学及其在相关领域中的实践技术应用精品视频课
基于 R 语言的贝叶斯网络模型的实践技术应用精品视频课
统计方法在变量变化及变量间关系分析中的应用精品视频课
基于 Surfer 与 Voxler 数据处理及可视化实践技术应用精品视频课
扎根理论分析软件 nvivo 原理与技术应用精品课程
GIS 数据制备，空间分析与高级建模实战课程
基于深度学习遥感影像地物分类与目标识别、分割实践技术精品视频课
长时间序列遥感数据分析与代码实现技术应用精品视频课
Python 机器学习案例实践视频课程
Python 深度学习实践技术应用精品课程
MATLAB 在生态环境数据处理与分析中的应用专题课程
MATLAB 深度学习工具箱全面解析实践精品视频课
MATLAB 近红外光谱分析技术及应用视频课程
MATLAB 编程、机器学习、深度学习、在图像处理中的实践技术应用
R 语言生物信息学大数据分析与绘图技术视频课程
python 生物信息多组学大数据深度挖掘与论文整理技巧精品视频课
结构方程模型（SEM）高阶应用及建模中特殊问题处理方法研修班
无人机遥感在农林信息提取中的实现方法与 GIS 融合制图精品实践课程
无人机生态环境监测、图像处理与 GIS 数据分析综合应用
高光谱数值建模技术及在植被、水体、土壤信息提取领域应用
如何利用有限的监测数据发表更多的SCI 论文—利用ArcGIS 探究环境和生态因子对水体、土壤、大气污染物的影响研修班
基于MAXENT模型的生物多样性生境模拟与保护优先区甄选、自然保护区布局优化评估技术应用及论文写作提升
Biome-BGC生态系统模型原理与应用视频课程
陆面蒸模拟的理论与实践应用精品课程
InVEST模型高级进阶及在生态系统服务供需、碳中和、论文写作等实际项目中的具体应用培训班
R 语言与作物模型高级应用实战技术课程(独孤九剑）
植被参数遥感反演与数据同化系列视频课程
Delft3D建模、水动力模拟方法及在地表水环境影响评价中的实践技术应用视频课程
SWMM 模型深度技术应用与案例精讲高级训练营
SWMM 复杂城市排水系统模型及排水防涝、海绵城市设计等工程实践应用与二次开发精品课程
HEC-RAS 建模与涉河建设项目防洪评价报告编制技术精品课程
SWMM 排水管网水力、水质建模及在海绵与水环境中的应用
“R 语言+遥感”的水环境综合评价方法实战应用课程
Delft3D 水动力-富营养化模型实践技术高级应用精品课程
基于 Python 实现的深度学习技术在水文水质领域应用
aquatox 水环境与水生态模型实践技术应用精品视频课程
基于 CAMx 的空气质量模拟及污染来源解析技术培训班
基于 SMOKE 模型的多模式排放清单处理技术推广培训直播课
空气质量预报模式系统（wrf-cmaq）改进与污染源排放清单
气候水文耦合 WRF-Hydro 模式应用在线直播精品课程
区域气象-大气化学在线耦合模式（WRF/Chem）
高分辨率区域气候模式（WRF）在地学、生态环境、水文及能源领域中的应用
CLM 陆面过程模式实践技术应用精品课程
“python 语言+气象水文”数据处理及精美科研绘图
计算流体力学 ANSYS FIuent 实践技术高级应用
NCL 数据分析与处理实践应用视频课程
大气颗粒物PMF源解析实践技术应用视频课程
添加小编微信，海量数据、视频教程免费获取
海量数据免费获取
+
Ai尚研修海量资源（数据、课件、书籍、视频教程）一键免费领取
（点击数据标题，直接进入）
地学领域数据1、【数据分享】30米精度全球地表覆盖分类数据（2000、2010、2020）2、【数据分享】全国分省、市、县、乡镇行政区划矢量图（专业版shp、小白版ppt）免费下载3、【数据分享】中国月度1KM植被指数（NDVI）空间分布数据集4、【数据分享】中国陆地生态系统服务价值空间分布数据集5、【数据分享】中国农田熟制遥感监测数据集6、【数据分享】多个自然资源（大气、土地、水等）面板数据大放送、时间跨度长、地区分布广，快速下载7、【数据分享】中国30米分辨率坡度数据（免费获取）8、【数据分享】最新！全国人口密度数据2000-2020年9、【数据分享】中国GDP空间分布公里网格数据集10、【数据分享】建筑矢量数据shap，26个省级城市建筑轮廓11、【数据分享】中国100万地貌类型空间分布数据12、【数据分享】中国100万植被类型空间分布数据13、【数据分享】中国人口空间分布公里网格数据集14、【数据分享】自然保护区边界矢量数据下载（国家级、省级、县市级）15、【数据分享】全球100万基础地理数据（包含国家行政边界、铁路、道路、线状水系面状水系）16、【数据分享】全国电子地图SHP数据除了常有的省、市、县、乡的图层信息以外，还包括道路、水系、银行、绿地、高速出入口、医疗机构、餐饮、超市等17、【数据分享】6G超大超级详细矢量数据，来源于国内某地图导航基底数据18、【数据分享】全球冰川数据集RGI v3.219、【数据分享】2020年最新全国城市道路数据集20、【数据分享】2021年最新区县级全国行政区划数据21、【数据分享】ArcGIS矢量数据shp格式大放送：自然保护区和森林公园22、【数据分享】青海三江源草地退化空间分布数据集部分数据展示，关注Ai尚研修公众号→学术资源→数据分享，海量数据资源轻松下载！
土利用数据
超级会员专享
如何成为超级会员：
1.凡参加Ai尚研修收费课程即为超级会员
2.充值3500元即为Ai尚研修超级会员；
超级会员特权：
1.参加直播与现场课程专享400元会员优惠，同时成为Ai尚研修推广大使，推荐参会分享收益。
2.购买Ai尚研修平台导师视频课程（含导师随行长期指导），享受8.5折优惠。
3.免费享受Ai尚研修会议平台中会员专享下视频课程。
4.长期免费参与每月4期针对地学领域简学实用公开课（优先、无门槛）
5.免费参与任何一门课程开设的导师面对面线上答疑交流。
6.Ai尚研修资源站分享中数据免费下载；
7.会员既成为Ai尚研修合作伙伴，可以进行技术文章、视频教程投稿，分享收益红利，同时所在单位可以通过Ai尚研修新媒体平台进行合作及招聘推广。
声明： 本号旨在传播、传递、交流，对相关文章内容观点保持中立态度。涉及内容如有侵权或其他问题，请与本号联系，第一时间做出撤回。
Ai尚研修丨专注科研领域
技术推广，人才招聘推荐，科研活动服务
科研技术云导师，Easy Scientific Research