400-888-5228

人工智能

机器学习与深度学习培训

随着计算机计算能力的爆发式增长,人们利用计算机的方式不断变革,而我们正走在变革的路口。一方面是大公司更多的资源投入到机器学习的领域,从而颠覆原有的决策和运营模式,另一方面,随着实用性开源代码越来越丰富,随着云平台的不断发展,小公司接入机器学习的方法的成本也越来越低。人工智能作为新一轮产业变革的核心驱动力,将催生新的技术、产品、产业、 业态、模式,从而引发经济结构的重大变革,实现社会生产力的整体提升。

麦肯锡预计:到 2025 年全球人工智能应用市场规模总值将达到 1270 亿美元,人工智能将是众多智能产业发展的突破点。

课程大纲

第一部分:初识机器学习

概述概念与术语

(人工智能、数据挖掘、机器学习、深度学习)

  • 数据挖掘的对象
  • 数据挖掘的关键技术
  • 知识的表达
  • Python的安装

Python数据挖掘工具箱

  • Numpy, Scipy
  • Pandas
  • learn,
  • Matplotlib

TensorFlow keras

数据加载与存储

csv/json/Excel/mySQL

数据预处理与规范化

  • 数据合并
  • 数据转换
  • 数据清洗
  • 数据聚合
  • 数据分组
  • 透视表与交叉表

第二部分:机器学习中的典型算法

模型评估方法

  • 偏差与方差
  • 混淆矩阵/准确率/精确率/召回率
  • ROC/AUC/F1

线性回归

  1. 一元/多元
  2. 多项式

线性回归

  • 线性回归
  • 随机梯度下降法
  • 交叉验证

逻辑回归

  1. 二分类
  2. 多分类

K近邻算法

  1. kNN回归
  2. kNN分类

深度学习模型

  1. 感知器网络构建
  2. Tensorflow环境搭建

人工神经网络

  • 感知器
  • Adam优化器
  • 反向传播

梯度下降

  • Softmax
  • 激活函数
  • Relu ELU 多层感知器
  • Tensorflow 程序实战

CNN

  • 卷积神经网络
  • Keras

Rnn

  • RNN
  • LSTM GRU介绍