各有关学校：
随着人工智能（AI）特别是深度学习（Deep Learning）近年来的飞速发展，在多个领域的成功应用，已经成为当前学术界和各行业最炙手可热的研究应用方向。容器云的应用场景在深度学习中起着至关重要的作用。Docker容器轻量化的机制和运行模式可广泛的应用到高性能，深度学习等计算密集型应用中。通过学习这门课程可以有效的了解和应用深度学习（tensorflow），Docker与 Kubernetes技术，可为深度学的研究和应用搭建起一套高效、稳定、安全的底层环境。同时由于深度学习（Deep Learning）需要处理的海量数据非常庞大，为加强AI技术的创新发展和应用，培养社会急缺的深度学习专业人才，本单位特别邀请深度学习领域的专家，举办2019年第二期AI Cloud研讨会“深度学习、Docker/Kubernetes理论与实战”，具体通知如下。
♦培训时间、地点
2019年5月23日 ----2019年5月26日
2019年5月22日全天或23日早晨报到
北京市海淀区北清路龙芯产业园1号楼327会议室
♦培训费用
报名人员可直接回复报名回执表至邮箱，或与会务组电话联系咨询。
¥RMB:4999元/人，提前20天报名早鸟票¥RMB:4500元/人（含报名费、培训费、教材费、资料费）食宿统一安排费用自理。
♦培训对象
各院校计算机专业、网络通信专业、电子工程专业、信息计算科学专业、统计学专业等对AI /深度学习技术及研发感兴趣的老师、研究生等。相关从事大数据、数据挖掘、机器学习、计算视觉、自然语言处理、人机交互等领域研发的单位的技术部门、IT企业的工程师、研发负责人、算法工程师等。软件开发人员、架构师、部署工程师、Linux爱好者、云计算工程师、运维工程师、运维开发、测试、开发工程师、IT从业者。
♦报名办法
请各有关部门统一组织本地区行政、企事业单位报名参加会议，各单位也可直接报名参加。报名回执表请传真至会务处。
►主讲专家
深度学习主讲专家来自中科院系统专家，拥有丰富的科研及工程技术经验，长期从事相关领域重大项目研究，具有资深的技术底蕴和专业背景。
容器授课老师，北京大学研究生毕业，曾任职于中科曙光解决方案架构师，主要从事虚拟机、Openstack、VMware、容器等云计算领域的研究和方案制定。现就职于海航科技集团，任解决方案架构师，从事云计算，AI等领域的工作，提供行业解决方案。
►培训内容：
|
5.23-5.24模块一：深度学习理论与实战 |
|
|
一、人工智能、机器学习、深度学习的历史和基本思想 |
1、人工智能概述、机器学习概述及基本思想 2、深度学习的前生今世、发展趋势 3、深度学习的主要模型及应用场景 |
|
二、生成性对抗网络GAN |
1、GAN的理论知识 2、GAN经典模型： CGAN LAPGAN DCGAN 3、GAN实际应用： DCGAN提高模糊图片分辨率 |
|
三、卷积神经网络 |
1、CNN卷积神经网络： 卷积层（一维卷积、二维卷积） 池化层（均值池化、最大池化） 全连接层 激活函数层 Softmax层 2、CNN卷积神经网络改进： R-CNN （SPPNET） Fast-R-CNN Faster-R-CNN （YOLO、SSD） 3、CNN应用案例： CNN与手写数字集分类 YOLO实现目标检测 PixelNet原理与实现 利用卷积神经网络做图像风格结合 |
|
四、循环神经网络 |
1、RNN循环神经网络： 梯度计算 BPTT 2、RNN循环神经网络改进： LSTM Bi-RNN 3、RNN实际应用： Seq2Seq的原理与实现 |
|
五、强化学习 |
1、强化学习的原理； 2、RL实际应用； |
|
六、迁移学习 |
1、迁移学习的理论概述； 2、迁移学习的常见方法： 特征、实例、数据、深度迁移、强化迁移、研究案例； |
|
5.25-5.26模块二：docker/kubernetes理论与实践 |
|
|
容器基础概念，在深度学习中的应用 |
1，容器的基本概念，包括功能介绍，运行机制等 2，容器和虚拟机的对比，容器的优势 3，容器的应用场景，在深度学习中如何应用 |
|
Docker容器的基础理论 |
1. Dockers基础 n Docker容器的基本架构 n Docker容器基础组件详解 n Docker容器的创建方式和实例分析 2. 容器技术 n Cgroup n Namespace n 容器，镜像，镜像仓库介绍 3.Docker网络 n Docker网络模式 n 跨主机网络通信 n 网络最佳实践与网络选型 4.Docker数据管理 n Docker数据卷管理 n Docker容器存储驱动 n 存储选型机制 5.Docker镜像 n Docker镜像及镜像的分层机制 n Docker镜像仓库构建与管理 n 镜像仓库使用场景 6.Docker对于GPU的管理 n Nvidia-docker的概念和应用 n Docker容器对于GPU的管理 7.Docker最佳实践 n Dockerfile详解，构建实战 n Docker容器的环境搭建 n Docker运维实践与技巧 |
|
kubernetes容器管理平台 |
1. Kubernetes介绍 n kubernetes的由来 n kubernetes核心概念 n kubernetes技术架构与设计理念 n kubernetes核心组件和运行机制 2. kubernets常用对象 n Label n Deployment n Service n Job n Selector n Replica Set 3. Kubernetes核心调度 n 调度策略与流程 n 预选与优选 n Pod优先级设计 4. kubernetes安全 n 认证，授权，准入 n Secret，密钥 5. kuberenetes网络 n kuberenets网络模式 n CNI网络插件 n 集群网络通信 n 实际场景中网络应用 6. kuberentes存储 n kubernetes的存储模式 n kuberentes存储插件 n PV和PVC n 实际场景中存储应用 7. kuberentes Pod应用与进阶 n Pod定义 n Pod生命周期 n Pod升级与回滚 n Pod扩容与缩容 n Pod健康检测 n Pod实际使用实践 8. kubernetes 服务发现 n 集群服务发现 n 外部访问设计 n 集群DNS n 负载均衡和弹性伸缩 9. kubernetes监控 n kuberentes集群监控方案 n 集群监控组件 10. kubernetes日志管理 n 日志处理原理 n EFK日志收集 11.kubernetes NVIDIA GPU管理和调度 n Kubernetes管理GPU原理 n Kubernetes GPU配置 n 在深度学习中的应用 12.Kubernetes最佳实践 n kubernetes部署讲解 n kubernetes yaml配置 n Kubernetes服务访问配置 n Kubernetes运维实践操作 |
