培训内容

　　1.自然语言处理实验 分词;TF-IDF;Word2Vec;skip-gram;CB0W(连续式词袋模型);Doc2Vec;DB0W(分布式词袋模型);DM(分布式记忆模型) 2.语音处理实验 语音文件预处理;语音输入;语音合成(TextToSpeech);语音识别(AutomaticSpeechRecognition);语音识别(AutomaticSpeechRecognition) 3.图像处理实验 图像预处理(ImagePreprocessing);文字识别(0pticalCharacterRecognition);人脸识别(FaceRecognition);图像识别(ImageRecognition);内容检测(ContentModeration) 4.深度前馈神经网络 基于梯度的学习;隐藏单元;反向传播和其它微分算法; 5.语音处理理论和应用 语音处理介绍：语音识别，语音合成，处理流程;传统声学模型;GMM(高斯混合模型);HMM(隐马尔科夫模型);GMM-HMM(高斯混合模型-隐马尔科夫模型);深度模型和混合模型;DNN(深度神经网络);DNN-HMM(深度神经网络-隐马尔科夫模型);深度模型;RNN(循环神经网络);LSTM(长短期记忆网络);计算型网络;演示：基于TensorFlow;SpeechRecognition等框架的语音处理 6.自然语言处理理论和应用 自然语言处理介绍;关键技术;分词;词性标注;句法分析;语义分析;命名实体识别;实体关系抽取;应用系统;文本分类;文本聚类;机器翻译;问答系统;信息过滤;自动文摘;信息抽取;舆情分析;机器写作 7.图像处理理论和应用 数字图像处理基础;数字图像的存储、表示、计算;图像预处理技术;模糊;锐化;去噪;滤波;二值化;图像识别基本任务;图像分类(Classification);目标检测(Detection);目标跟踪(Tracking);图像特征提取和传统方法;H0G(方向梯度直方图);LBP(局部二值模式);Haar(哈尔特征);实验演示：使用0penCV库进行人脸检测;卷积神经网络(CNN);卷积神经网络的理论及结构;卷积神经网络应用发展史