首頁 > 公開課 > 人工智能 > Python+機器學習與深度學習技術實戰

Python+機器學習與深度學習技術實戰

培訓地點 成都 上海
培訓時間 4月24-26日 6月25-27日

一、 培訓收益

  課程中通過細致講解,使學員掌握該技術的本質。具體收益包括:

  1. 回歸算法理論與實戰;

  2. 決策樹算法理論與實戰;

  3. 集成學習算法理論與實戰;

  4. KNN算法和決策樹算法理論與實戰;

  5. 聚類算法理論與實戰;

  6. 神經網絡算法;

  7.Tensorflow;

  8. 生成式對抗網絡GANs。

二、 培訓特色

  本次培訓從實戰的角度對深度學習技術進行了全面的剖析,并結合實際案例分析和探討深度學習的應用場景,給深度學習相關從業人員以指導和啟迪。

三、 日程安排

日程 培訓模塊 培訓內容
第一天
上午
機器學習簡介 1.一元線性回歸
2.代價函數
3.使用梯度下降法實現一元線性回歸
4.標準方程法
5.使用sklearn實現一元線性回歸
6.使用sklearn實現多元線性回歸
7.使用sklearn實現嶺回歸
8.使用sklearn實現LASSO回歸
第一天
下午
決策樹與集成學習 理論與實戰 1.sklearn實現決策樹
2.決策樹-CART算法
3.決策樹應用
4.隨機森林
KNN與聚類 理論與實戰 5.sklearn實現knn算法完成iris數據集分類
6.k-means算法
7.DBSCAN算法
第二天
上午
神經網絡算法 1.神經網絡基本原理
2.單層感知機
3.線性神經網絡
4.激活函數,損失函數和梯度下降法
5.線性神經網絡異或問題
6.BP神經網絡介紹
7.BP算法推導
8.BP神經網絡解決異或問題
9.BP算法完成手寫數字識別
10.sklearn-BP神經網絡解決手寫數字識別
11.GOOGLE神經網絡平臺
第二天
下午
Tensorflow2.0 1.深度學習框架介紹
2.Tensorflow安裝
3.Tensorlfow基礎知識
4.Tensorflow線性回歸
5.Tensorflow非線性回歸
6.Mnist數據集合Softmax講解
7.使用BP神經網絡搭建手寫數字識別
8.交叉熵(cross-entropy)講解和使用
9.過擬合,正則化,Dropout
10.各種優化器Optimizer
11.改進手寫數字識別網絡
12.卷積神經網絡CNN的介紹
13.使用CNN解決手寫數字識別
14.長短時記憶網絡LSTM介紹
15.LSTM的使用
16.模型保存與載入
第三天
上午
圖像識別項目 1.介紹Google圖像識別模型Inception-v3
2.使用Inception-v3做圖像識別
圖像識別項目 3.訓練自己的圖像識別模型
驗證碼識別項目 4.多任務學習介紹
5.生存驗證碼圖片
6.構建驗證碼識別模型
第三天
下午
Kease最佳實踐 1.安裝和配置Keras,API
2.回調函數與自定義訓練過程
3.深度神經網絡DCNN實現
4.采用深度學習算法識別CIFRA-10圖片
5.調節參數來改善性能

四、 授課專家

  覃老師 上海大學物理學碩士,創業公司合伙人,技術總監。機器學習,深度學習領域多年一線開發研究經驗,精通算法原理與編程實踐。曾使用Tensorflow,Caffe,Keras等深度學習框架完成過多項圖像,語音,nlp,搜索相關的人工智能實際項目,研發經驗豐富。擁有兩項國家專利。同時具有多年授課培訓經驗,講課通熟易懂,代碼風格簡潔清晰。

  王老師 計算機博士,深入理解傳統的計算機視覺方法與目前主流的深度學習算法,在圖像識別、目標檢測、圖像分割、OCR、人臉識別等方向均進行了豐富的項目實戰。熟練使用OpenCV、Tensorflow、Keras等工具。具備豐富的數據挖掘經驗,熟悉大數據下的ETL與模型搭建,曾獨立負責美團用戶信用分評估、敏感身份挖掘、京東金融APP多個模塊推薦算法搭建等項目。

  劉老師 西安郵電學院計算機科學與技術本科專業擁有著10多年軟件研發經驗,5年企業培訓經驗,對Java、Python、區塊鏈等技術領域有獨特的研究,精通J2EE企業級開發技術。Java方向:設計模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對Java源碼有深入研究。Python方向:Python OOP、Mongodb、Django、Scrapy爬蟲、基于Surprise庫數據推薦,Tensorflow人工智能框架、人臉識別技術。區塊鏈方向:BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。