主流深度学习算法框架

课程目标：

了解和熟悉当前国际主流的深度学习框架的实现原理及使用方法，并能熟练掌握一种或两种主流框架进行解决实际问题。

课程案例：

主流深度学习框架的安装和使用，具体实战案例：基于多层感知器的糖尿病诊断、基于多分类的鸢尾花分类、基于二分类的银行营销分类、国际旅行人数预测、新冠肺炎患病人数预测、PM2.5预报、AI写诗、电信故障预测等多个有意思的案例。

授课教师：

徐博士

澳大利亚墨尔本大学（US News世界排名26）计算机专业博士

中国科学院深圳先进技术研究院 助理研究员

发表SCI/EI论文20+篇，其中第一作者/通讯作者13篇

2019IEEE TCSC杰出博士毕业论文奖（全球共5人获奖）

深圳市海外高层次人才（孔雀计划）

5个国际会议的Program Committee成员

20+个国际期刊和会议的审稿人

10+国际会议和论坛作过口头报告

研究方向：云计算和分布式系统、云数据中心的资源调度，包括负载均衡、节能算法研究

课程内容：

介绍当前国际主流的深度学习框架，包括TensorFlow、PyTorch、Keras、Caffe等。具体涉及不同开源深度学习框架的设计原理、安装配置、运行操作、工具包介绍、GPU加速等。此外还包括大量实战案例，通过实际动手操作，从而能够掌握和熟练使用一种或两种主流的深度学习框架。