我要報(bào)名

咨詢電話：
手　　機(jī)：	郵箱：

課程收益

課程中通過細(xì)致講解，使學(xué)員掌握該技術(shù)的本質(zhì)。具體收益包括：

1. 回歸算法理論與實(shí)戰(zhàn)；

2. 決策樹算法理論與實(shí)戰(zhàn)；

3. 集成學(xué)習(xí)算法理論與實(shí)戰(zhàn)；

4. KNN算法和決策樹算法理論與實(shí)戰(zhàn)；

5. 聚類算法理論與實(shí)戰(zhàn)；

6. 神經(jīng)網(wǎng)絡(luò)算法；

7.Tensorflow；

8. 生成式對(duì)抗網(wǎng)絡(luò)GANs。

課程特色

本次培訓(xùn)從實(shí)戰(zhàn)的角度對(duì)深度學(xué)習(xí)技術(shù)進(jìn)行了全面的剖析，并結(jié)合實(shí)際案例分析和探討深度學(xué)習(xí)的應(yīng)用場(chǎng)景，給深度學(xué)習(xí)相關(guān)從業(yè)人員以指導(dǎo)和啟迪。

課程大綱

第一天上午機(jī)器學(xué)習(xí)簡(jiǎn)介

1.一元線性回歸

2.代價(jià)函數(shù)

3.使用梯度下降法實(shí)現(xiàn)一元線性回歸

4.標(biāo)準(zhǔn)方程法

5.使用sklearn實(shí)現(xiàn)一元線性回歸

6.使用sklearn實(shí)現(xiàn)多元線性回歸

7.使用sklearn實(shí)現(xiàn)嶺回歸

8.使用sklearn實(shí)現(xiàn)LASSO回歸

第一天下午

決策樹與集成學(xué)習(xí)理論與實(shí)戰(zhàn)

1.sklearn實(shí)現(xiàn)決策樹

2.決策樹-CART算法

3.決策樹應(yīng)用

4.隨機(jī)深林

KNN與聚類理論與實(shí)戰(zhàn)

5.sklearn實(shí)現(xiàn)knn算法完成iris數(shù)據(jù)集分類

6.k-means算法

7.DBSCAN算法

第二天上午神經(jīng)網(wǎng)絡(luò)算法

1.神經(jīng)網(wǎng)絡(luò)基本原理

2.單層感知機(jī)

3.線性神經(jīng)網(wǎng)絡(luò)

4.激活函數(shù)，損失函數(shù)和梯度下降法

5.線性神經(jīng)網(wǎng)絡(luò)異或問題

6.BP神經(jīng)網(wǎng)絡(luò)介紹

7.BP算法推導(dǎo)

8.BP神經(jīng)網(wǎng)絡(luò)解決異或問題

9.BP算法完成手寫數(shù)字識(shí)別

10.sklearn-BP神經(jīng)網(wǎng)絡(luò)解決手寫數(shù)字識(shí)別

11.GOOGLE神經(jīng)網(wǎng)絡(luò)平臺(tái)

第二天下午Tensorflow2.0

1.深度學(xué)習(xí)框架介紹

2.Tensorflow安裝

3.Tensorlfow基礎(chǔ)知識(shí)

4.Tensorflow線性回歸

5.Tensorflow非線性回歸

6.Mnist數(shù)據(jù)集合Softmax講解

7.使用BP神經(jīng)網(wǎng)絡(luò)搭建手寫數(shù)字識(shí)別

8.交叉熵(cross-entropy)講解和使用

9.過擬合,正則化,Dropout

10.各種優(yōu)化器Optimizer

11.改進(jìn)手寫數(shù)字識(shí)別網(wǎng)絡(luò)

12.卷積神經(jīng)網(wǎng)絡(luò)CNN的介紹

13.使用CNN解決手寫數(shù)字識(shí)別

14.長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)LSTM介紹

15.LSTM的使用

16.模型保存與載入

第三天上午

圖像識(shí)別項(xiàng)目

1.介紹Google圖像識(shí)別模型Inception-v3

2.使用Inception-v3做圖像識(shí)別

圖像識(shí)別項(xiàng)目

3.訓(xùn)練自己的圖像識(shí)別模型

驗(yàn)證碼識(shí)別項(xiàng)目

4.多任務(wù)學(xué)習(xí)介紹

5.生存驗(yàn)證碼圖片

6.構(gòu)建驗(yàn)證碼識(shí)別模型

第三天下午Kease 最佳實(shí)踐

1.安裝和配置Keras,API

2.回調(diào)函數(shù)與自定義訓(xùn)練過程

3.深度神經(jīng)網(wǎng)絡(luò)DCNN實(shí)現(xiàn)

4.采用深度學(xué)習(xí)算法識(shí)別CIFRA-10圖片

5.調(diào)節(jié)參數(shù)來改善性能

第四天業(yè)內(nèi)經(jīng)驗(yàn)交流

覃老師

覃老師 上海大學(xué)物理學(xué)碩士，創(chuàng)業(yè)公司合伙人，技術(shù)總監(jiān)。機(jī)器學(xué)習(xí)，深度學(xué)習(xí)領(lǐng)域多年一線開發(fā)研究經(jīng)驗(yàn)，精通算法原理與編程實(shí)踐。曾使用Tensorflow，Caffe，Keras等深度學(xué)習(xí)框架完成過多項(xiàng)圖像，語音，nlp，搜索相關(guān)的人工智能實(shí)際項(xiàng)目，研發(fā)經(jīng)驗(yàn)豐富。擁有兩項(xiàng)國(guó)家專利。同時(shí)具有多年授課培訓(xùn)經(jīng)驗(yàn)，講課通熟易懂，代碼風(fēng)格簡(jiǎn)潔清晰。

王老師 計(jì)算機(jī)博士，深入理解傳統(tǒng)的計(jì)算機(jī)視覺方法與目前主流的深度學(xué)習(xí)算法，在圖像識(shí)別、目標(biāo)檢測(cè)、圖像分割、OCR、人臉識(shí)別等方向均進(jìn)行了豐富的項(xiàng)目實(shí)戰(zhàn)。熟練使用OpenCV、Tensorflow、Keras等工具。具備豐富的數(shù)據(jù)挖掘經(jīng)驗(yàn)，熟悉大數(shù)據(jù)下的ETL與模型搭建，曾獨(dú)立負(fù)責(zé)美團(tuán)用戶信用分評(píng)估、敏感身份挖掘、京東金融APP多個(gè)模塊推薦算法搭建等項(xiàng)目。

劉老師 西安郵電學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)本科專業(yè)擁有著10多年軟件研發(fā)經(jīng)驗(yàn)，5年企業(yè)培訓(xùn)經(jīng)驗(yàn)，對(duì)Java、Python、區(qū)塊鏈等技術(shù)領(lǐng)域有獨(dú)特的研究，精通J2EE企業(yè)級(jí)開發(fā)技術(shù)。

Java方向：設(shè)計(jì)模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對(duì)Java源碼有深入研究。

Python方向：Python OOP、Mongodb、Django、Scrapy爬蟲、基于Surprise庫(kù)數(shù)據(jù)推薦，Tensorflow人工智能框架、人臉識(shí)別技術(shù)。

區(qū)塊鏈方向：BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS

我要報(bào)名

在線報(bào)名：Python+機(jī)器算法深度學(xué)習(xí)實(shí)戰(zhàn)培訓(xùn)班(上海)