課程收益

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。

課程特色

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。

課程大綱

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.隨機深林

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

第四天業內經驗交流

覃老師

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

我要報名

在線報名：Python+機器算法深度學習實戰培訓班(成都)