亚洲国产无 码成人AV,国产视频精选,国产人成网在线播放VA免费,国产一级婬片久久久片A级 精品少妇无码AV无码专区,AV淘宝国产在线观看,亚洲

全國 [城市選擇] [會(huì)員登錄] [講師注冊(cè)] [機(jī)構(gòu)注冊(cè)] [助教注冊(cè)]  
中國企業(yè)培訓(xùn)講師
機(jī)器學(xué)習(xí)與深度學(xué)習(xí)
 
講師:葉梓 瀏覽次數(shù):2570

課程描述INTRODUCTION

人工智能的浪潮正在席卷全球,各種培訓(xùn)課程應(yīng)運(yùn)而生,但真正能讓學(xué)員系統(tǒng)、全面掌握知識(shí)點(diǎn),并且能學(xué)以致用的實(shí)戰(zhàn)課程并不多見。本課程包含機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的重要概念及常用算法(決策樹、關(guān)聯(lián)規(guī)則、聚類、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隱馬爾科夫模型、遺傳算法、CNN、RNN、GAN等),以及人工智能領(lǐng)域當(dāng)前的熱點(diǎn)。通過6天的系統(tǒng)學(xué)習(xí)、案例講解和動(dòng)手實(shí)踐,讓學(xué)員能初步邁入機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的知識(shí)殿堂。 本課程力圖理論結(jié)合實(shí)踐,強(qiáng)調(diào)從零開始,重視動(dòng)手實(shí)踐;課程內(nèi)容以原理講解為根本,以應(yīng)用落地為目標(biāo)。課程通過大量形象的比喻和手算示例來解釋復(fù)雜的機(jī)器學(xué)習(xí)理論,既能將原理充分講懂講透,也避免了繁復(fù)而枯燥的公式推導(dǎo)。

· IT人士· 技術(shù)總監(jiān)· 系統(tǒng)工程師· 軟件工程師· 技術(shù)主管

培訓(xùn)講師:葉梓    課程價(jià)格:¥元/人    培訓(xùn)天數(shù):6天   

日程安排SCHEDULE



課程大綱Syllabus

Day初識(shí)機(jī)器學(xué)習(xí)
上午
概述入門
數(shù)據(jù)預(yù)處理
概述(第一天——)
.概念與術(shù)語(人工智能、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí))
.數(shù)據(jù)挖掘的對(duì)象
.數(shù)據(jù)挖掘的關(guān)鍵技術(shù)
.知識(shí)的表達(dá)
.Python的安裝
數(shù)據(jù)預(yù)處理(第一天——2)
.數(shù)據(jù)清理
.規(guī)范化
.模糊集
.粗糙集
.無標(biāo)簽時(shí):PCA
.有標(biāo)簽時(shí):Fisher線性判別
數(shù)據(jù)壓縮(DFT、小波變換)
案例實(shí)踐:
.python安裝
.Tensorflow安裝
.PCA的實(shí)驗(yàn)
.DFT的實(shí)驗(yàn)
Day初識(shí)機(jī)器學(xué)習(xí)

下午
回歸與時(shí)序分析
決策樹
回歸與時(shí)序分析 (第一天——3)
.線性回歸
.非線性回歸
.logistics回歸
.平穩(wěn)性、截尾與拖尾
.ARIMA
決策樹(第一天——4)
.分類和預(yù)測
.熵減過程與貪心法
.ID3
.C4.5
.其他改進(jìn)方法
決策樹剪枝
案例實(shí)踐:
.回歸的實(shí)驗(yàn)
.ARIMA預(yù)測實(shí)驗(yàn)
.決策樹的實(shí)驗(yàn)
Day2機(jī)器學(xué)習(xí)中的典型算法

上午
聚類
關(guān)聯(lián)規(guī)則
樸素貝葉斯與KNN
聚類(第二天——)
.監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)
.K-means與k-medoids
.層次的方法
.基于密度的方法
.基于網(wǎng)格的方法
.孤立點(diǎn)分析
關(guān)聯(lián)規(guī)則(第二天——2)
.頻繁項(xiàng)集
.支持度與置信度
.提升度
.Apriori性質(zhì)
.連接與剪枝
樸素貝葉斯與KNN(第二天——3)
.KNN
.概率論基礎(chǔ):條件概率、聯(lián)合概率、分布、共軛先驗(yàn)。
.“概率派”與“貝葉斯派”
.樸素貝葉斯模型
案例實(shí)踐:
.鳶尾花數(shù)據(jù)的聚類
.超市購物籃——關(guān)聯(lián)規(guī)則分析
.樸素貝葉斯案例:皮馬印第安人患糖尿病的風(fēng)險(xiǎn)
Day2機(jī)器學(xué)習(xí)中的典型算法

下午
極大似然估計(jì)與EM算法
性能評(píng)價(jià)指標(biāo)
極大似然估計(jì)與EM算法(第二天——4)
.極大似然估計(jì)
.對(duì)數(shù)似然函數(shù)
.EM算法
性能評(píng)價(jià)指標(biāo)(第二天——5)
.準(zhǔn)確率;*率、召回率;F
.真陽性率、假陽性率
.混淆矩陣
.ROC與AUC
.對(duì)數(shù)損失
.Kappa系數(shù)
.回歸:平均*誤差、平均平方誤差
.聚類:蘭德指數(shù)、互信息
.k折驗(yàn)證
案例實(shí)踐:
.正態(tài)分析的參數(shù)估計(jì)
.EM算法應(yīng)用案例:雙正態(tài)分布的參數(shù)估計(jì)
.繪制ROC并計(jì)算AUC、F
.繪制擬合曲線,計(jì)算擬合優(yōu)度
Day3神經(jīng)網(wǎng)絡(luò)專題

上午
BP神經(jīng)網(wǎng)絡(luò)
模擬退火算法與其他神經(jīng)網(wǎng)絡(luò)
BP神經(jīng)網(wǎng)絡(luò) (第三天——)
.人工神經(jīng)元及感知機(jī)模型
.前向神經(jīng)網(wǎng)絡(luò)
.sigmoid
.徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
.誤差反向傳播
模擬退火算法與其他神經(jīng)網(wǎng)絡(luò) (第三天——2)
.模擬退火算法
.Hopfield網(wǎng)絡(luò)
.自組織特征映射神經(jīng)網(wǎng)絡(luò)(SOM)
.受限布爾茲曼機(jī)
案例實(shí)踐:
.可以手算的神經(jīng)網(wǎng)絡(luò)
.神經(jīng)網(wǎng)絡(luò)模擬一個(gè)圓錐曲面
.“貨郎擔(dān)”問題(模擬退火算法)
.識(shí)別破損的字母(Hopfield網(wǎng)絡(luò))
.聚類的另一種解法(SOM)
Day3神經(jīng)網(wǎng)絡(luò)專題

下午
機(jī)器學(xué)習(xí)中的最優(yōu)化方法
遺傳算法
機(jī)器學(xué)習(xí)中的最優(yōu)化方法(第三天——3)
.參數(shù)學(xué)習(xí)方法
.損失函數(shù)(或目標(biāo)函數(shù))
.梯度下降
.隨機(jī)梯度下降
.牛頓法
.擬牛頓法
遺傳算法 (第三天——4)
.種群、適應(yīng)性度量
.交叉、選擇、變異
.基本算法
案例實(shí)踐:
.隨機(jī)梯度下降的例子
.牛頓法求Rosenbrock(香蕉函數(shù))的極值
.“同宿舍”問題:遺傳算法
Day4機(jī)器學(xué)習(xí)進(jìn)階

上午
支持向量機(jī)
隱馬爾科夫模型
支持向量機(jī) (第四天——)
.統(tǒng)計(jì)學(xué)習(xí)問題
.支持向量機(jī)
.核函數(shù)
.多分類的支持向量機(jī)
.用于連續(xù)值預(yù)測的支持向量機(jī)
隱馬爾科夫模型(第四天——2)
.馬爾科夫過程
.隱馬爾科夫模型
.三個(gè)基本問題(評(píng)估、解碼、學(xué)習(xí))
.前向-后向算法
.Viterbi算法
.Baum-Welch算法
案例實(shí)踐:
.SVM:iris的三個(gè)分類
.HMM示例:天氣與地表積水、罐中的彩球
.HMM之前向算法:擲骰子的序列
.HMM之viterbi算法:是否生病了?
Day4機(jī)器學(xué)習(xí)進(jìn)階
下午
文本挖掘
從LSA到LDA
文本挖掘(第四天——3)
、文本分析功能
2、文本特征的提取
4、TF-IDF
5、文本分類
5、文本聚類
從LSA到LDA(第四天——3)
.LSA
.pLSA
.LDA
案例實(shí)踐:
.英文文本分析;
.中文文本分析:《絕代雙驕》
.中文語句情感分析
.LSA和LDA的比較
Day5機(jī)器學(xué)習(xí)進(jìn)階與深度學(xué)習(xí)初步

上午
利用無標(biāo)簽的樣本
集成學(xué)習(xí)
利用無標(biāo)簽的樣本(第五天——)
.半監(jiān)督學(xué)習(xí)
.直推式學(xué)習(xí)
.主動(dòng)學(xué)習(xí)
集成學(xué)習(xí)(第五天——2)
.bagging
.co-training
.adaboost
.隨機(jī)森林
.GBDT
案例實(shí)踐:
.半監(jiān)督學(xué)習(xí):SVM標(biāo)簽擴(kuò)展;
.主動(dòng)學(xué)習(xí):手寫數(shù)字
3、bagging、adaboost、RF、GBDT的例子
Day5機(jī)器學(xué)習(xí)進(jìn)階與深度學(xué)習(xí)初步

下午
強(qiáng)化學(xué)習(xí)
深度學(xué)習(xí)-
強(qiáng)化學(xué)習(xí)(第五天——3)
.agent的屬性
.exploration and exploitation
.Bellman期望方程
.最優(yōu)策略
.策略迭代與價(jià)值迭代
.Q學(xué)習(xí)算法
深度學(xué)習(xí)-(第五天——4)
.連接主義的興衰
.深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系
.目標(biāo)函數(shù)
.激勵(lì)函數(shù)
學(xué)習(xí)步長
案例實(shí)踐:
.強(qiáng)化學(xué)習(xí)示例:走迷宮
.強(qiáng)化學(xué)習(xí):谷底的小車
.深度學(xué)習(xí)示例:模式識(shí)別
Day6深度學(xué)習(xí)

上午
深度學(xué)習(xí)-2
深度學(xué)習(xí)-3
深度學(xué)習(xí)-2(第六天——)
.優(yōu)化算法
.Adagrad
.RMSprop
.Adam
.避免過適應(yīng)
深度學(xué)習(xí)-3(第六天——2)
.典型應(yīng)用場景
.CNN
.各種CNN
.RNN
LSTM、GRU
案例實(shí)踐:
.CNN的準(zhǔn)備示例
.CNN處理MNIST手寫數(shù)字?jǐn)?shù)據(jù)集
.RNN準(zhǔn)備示例
.RNN分析股票趨勢
.LSTM的準(zhǔn)備示例
Day6深度學(xué)習(xí)

下午
深度學(xué)習(xí)-4
.GAN
.DQN
案例實(shí)踐:
.DQN結(jié)合CNN:“flappy bird”


轉(zhuǎn)載:http://www.nywlwx.com/gkk_detail/65027.html

已開課時(shí)間Have start time

在線報(bào)名Online registration

    參加課程:機(jī)器學(xué)習(xí)與深度學(xué)習(xí)

    單位名稱:

  • 參加日期:
  • 聯(lián)系人:
  • 手機(jī)號(hào)碼:
  • 座機(jī)電話:
  • QQ或微信:
  • 參加人數(shù):
  • 開票信息:
  • 輸入驗(yàn)證:  看不清楚?點(diǎn)擊驗(yàn)證碼刷新
付款信息:
開戶名:上海投智企業(yè)管理咨詢有限公司
開戶行:中國銀行股份有限公司上海市長壽支行
帳號(hào):454 665 731 584
葉梓
[僅限會(huì)員]

預(yù)約1小時(shí)微咨詢式培訓(xùn)