400-888-5228

人工智能

機器學習與深度學習培訓

隨著計算機計算能力的爆發(fā)式增長,人們利用計算機的方式不斷變革,而我們正走在變革的路口。一方面是大公司更多的資源投入到機器學習的領域,從而顛覆原有的決策和運營模式,另一方面,隨著實用性開源代碼越來越豐富,隨著云平臺的不斷發(fā)展,小公司接入機器學習的方法的成本也越來越低。人工智能作為新一輪產(chǎn)業(yè)變革的核心驅動力,將催生新的技術、產(chǎn)品、產(chǎn)業(yè)、 業(yè)態(tài)、模式,從而引發(fā)經(jīng)濟結構的重大變革,實現(xiàn)社會生產(chǎn)力的整體提升。

麥肯錫預計:到 2025 年全球人工智能應用市場規(guī)??傊祵⑦_到 1270 億美元,人工智能將是眾多智能產(chǎn)業(yè)發(fā)展的突破點。

課程大綱

第一部分:初識機器學習

概述概念與術語

(人工智能、數(shù)據(jù)挖掘、機器學習、深度學習)

  • 數(shù)據(jù)挖掘的對象
  • 數(shù)據(jù)挖掘的關鍵技術
  • 知識的表達
  • Python的安裝

Python數(shù)據(jù)挖掘工具箱

  • Numpy, Scipy
  • Pandas
  • learn,
  • Matplotlib

TensorFlow keras

數(shù)據(jù)加載與存儲

csv/json/Excel/mySQL

數(shù)據(jù)預處理與規(guī)范化

  • 數(shù)據(jù)合并
  • 數(shù)據(jù)轉換
  • 數(shù)據(jù)清洗
  • 數(shù)據(jù)聚合
  • 數(shù)據(jù)分組
  • 透視表與交叉表

第二部分:機器學習中的典型算法

模型評估方法

  • 偏差與方差
  • 混淆矩陣/準確率/精確率/召回率
  • ROC/AUC/F1

線性回歸

  1. 一元/多元
  2. 多項式

線性回歸

  • 線性回歸
  • 隨機梯度下降法
  • 交叉驗證

邏輯回歸

  1. 二分類
  2. 多分類

K近鄰算法

  1. kNN回歸
  2. kNN分類

深度學習模型

  1. 感知器網(wǎng)絡構建
  2. Tensorflow環(huán)境搭建

人工神經(jīng)網(wǎng)絡

  • 感知器
  • Adam優(yōu)化器
  • 反向傳播

梯度下降

  • Softmax
  • 激活函數(shù)
  • Relu ELU 多層感知器
  • Tensorflow 程序實戰(zhàn)

CNN

  • 卷積神經(jīng)網(wǎng)絡
  • Keras

Rnn

  • RNN
  • LSTM GRU介紹