• 2021/4/24至2021/4/28 成都

• 2021/6/25至2021/6/29 上海

• 2021/10/1至2021/10/5 北京

培訓(xùn)收益

課程中通過(guò)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(shù)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(shù)算法理論與實(shí)戰(zhàn)；

5.聚類(lèi)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。

培訓(xùn)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

回歸算法理論與實(shí)戰(zhàn)：

1.一元線性回歸

2.代價(jià)函數(shù)

3.梯度下降法

4.使用梯度下降法實(shí)現(xiàn)一元線性回歸

5.標(biāo)準(zhǔn)方程法

6.使用sklearn實(shí)現(xiàn)一元線性回歸

7.多元線性回歸

8.使用sklearn實(shí)現(xiàn)多元線性回歸

9.特征縮放，交叉驗(yàn)證法

10.過(guò)擬合正則化

11.嶺回歸

12.sklearn實(shí)現(xiàn)嶺回歸

13.LASSO回歸

14.sklearn實(shí)現(xiàn)LASSO回歸

第一天下午決策樹(shù)算法理論與實(shí)戰(zhàn)

15.決策樹(shù)-信息熵,ID3,C4.5算法介紹

16.sklearn實(shí)現(xiàn)決策樹(shù)

17.決策樹(shù)-CART算法

18.決策樹(shù)應(yīng)用

集成學(xué)習(xí)算法理論與實(shí)戰(zhàn)

19.Bagging介紹與使用

20.隨機(jī)森林介紹與使用

21.Adaboost介紹與使用

22.Stacking和Voting介紹與使用

泰坦尼克號(hào)獲救人員預(yù)測(cè)項(xiàng)目

第二天上午KNN算法和決策樹(shù)算法理論與實(shí)戰(zhàn)

1.KNN算法介紹

2.python實(shí)現(xiàn)knn算法

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

聚類(lèi)算法理論與實(shí)戰(zhàn)

4.k-means算法原理

5.k-means算法實(shí)現(xiàn)

6.DBSCAN算法原理

7.DBSCAN算法實(shí)現(xiàn)

第二天下午神經(jīng)網(wǎng)絡(luò)算法

8.神經(jīng)網(wǎng)絡(luò)基本原理

9.單層感知器程序

10.線性神經(jīng)網(wǎng)絡(luò)

11.激活函數(shù)，損失函數(shù)和梯度下降法

12.線性神經(jīng)網(wǎng)絡(luò)異或問(wèn)題

13.BP神經(jīng)網(wǎng)絡(luò)介紹

14.BP算法推導(dǎo)

15.BP神經(jīng)網(wǎng)絡(luò)解決異或問(wèn)題

16.BP算法完成手寫(xiě)數(shù)字識(shí)別

16.sklearn-BP神經(jīng)網(wǎng)絡(luò)解決手寫(xiě)數(shù)字識(shí)別

17.GOOGLE神經(jīng)網(wǎng)絡(luò)平臺(tái)

特征工程貸款拖欠預(yù)測(cè)項(xiàng)目

用戶(hù)流失預(yù)測(cè)項(xiàng)目

第三天上午

Tensorflow（一）

1.深度學(xué)習(xí)框架介紹

2.Tensorflow安裝

3.Tensorlfow基礎(chǔ)知識(shí)：圖，變量，fetch，feed

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(xiě)數(shù)字識(shí)別

8.交叉熵(cross-entropy)講解和使用

第三天下午Tensorflow（二）

9.過(guò)擬合,正則化,Dropout

10.各種優(yōu)化器Optimizer

11.改進(jìn)手寫(xiě)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(xiě)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

第四天上午圖像識(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

第四天下午文本分類(lèi)項(xiàng)目

7.文本分類(lèi)任務(wù)介紹

8.word2vec介紹

9.使用CNN完成文本分類(lèi)

10.使用LSTM完成文本分類(lèi)

生成式對(duì)抗網(wǎng)絡(luò)GANs

11.GANs介紹

12.使用tensorflow完成GANs

業(yè)內(nèi)經(jīng)驗(yàn)交流

授課專(zhuān)家

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(kāi)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(guò)多項(xiàng)圖像，語(yǔ)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(zhuān)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。

楊老師計(jì)算機(jī)博士，目前就職于中科院某研究所，長(zhǎng)期從事深度學(xué)習(xí)與機(jī)器學(xué)習(xí)研究工作，在NLP與CV領(lǐng)域有很深造詣，主持多項(xiàng)科技專(zhuān)項(xiàng)，并帶領(lǐng)團(tuán)隊(duì)深入一線研發(fā)并落地，XXX視頻監(jiān)控與分析系統(tǒng)、XXX輿情監(jiān)控系統(tǒng)、XXX智能對(duì)話系統(tǒng)及XXX森林防火無(wú)人機(jī)跟拍系統(tǒng)等。申請(qǐng)發(fā)明專(zhuān)利2項(xiàng)、部級(jí)科技進(jìn)步二等獎(jiǎng)一次，在SIGIR、CIKM及AAAI的國(guó)際會(huì)議發(fā)表多篇文章。

趙老師計(jì)算機(jī)博士，目前主要研究方向包括電子推薦、智能決策和大數(shù)據(jù)分析等。主持國(guó)家自然科學(xué)基金2項(xiàng)、中國(guó)博士后科研基金、上海市浦江人才、IBMSharedUniversityResearch以及多項(xiàng)企業(yè)合作課題等項(xiàng)目。已在《管理科學(xué)學(xué)報(bào)》、《系統(tǒng)工程學(xué)報(bào)》、KnowledgeandInformationSystems,InformationProcessing&Management，InformationSystemsFrontiers等國(guó)內(nèi)外刊物和學(xué)術(shù)會(huì)議發(fā)表論文90多篇，其中被SCI、EI收錄40多篇。出版著作和教材《智能化的流程管理》、《客戶(hù)智能》、《商務(wù)智能（第四版）》、《商務(wù)智能數(shù)據(jù)分析的管理視角（第三版）》、《數(shù)據(jù)挖掘?qū)嵱冒咐�集》等多部�?/p>