400-888-5228

课程概述

本六天全面课程集中在机器学习、数据挖掘及视觉处理三大核心技能领域,旨在培训学员掌握现代人工智能技术的基础和应用。由机器学习的基础理论出发,逐渐涉及数据预处理、特征工程、模型评估与优化,以及实践操作等多个重要环节,为学员提供一套完整的AI技能培训。

课程对象

  • 对AI技术感兴趣的初学者
  • 计算机科学、数据科学及相关专业的在校学生
  • 想要转行AI领域的IT工程师和数据分析师

课程目标

  1. 掌握机器学习基础理论及常用算法
  2. 了解并能应用数据挖掘技巧进行数据预处理
  3. 学会使用OpenCV进行基础的图像处理和人脸识别
  4. 能基于真实案例进行模型的构建、优化和评估

课程收益

  • 获取系统性AI知识体系和实践经验
  • 掌握工业界常用的AI工具和库
  • 有能力独立完成数据分析和模型构建任务
  • 增强简历亮点,提升职场竞争力

课程时长6天

课程大纲

章节内容
第一天 机器学习概述和特征工程机器学习概述
理解分类和回归
机器学习流程
sklearn模块简介
sklearn中数据集解析
理解数据集划分
评价指标分析
回归模型的评价指标
理解混淆矩阵
混淆矩阵指标解析
ROC曲线绘制
理解过拟合和欠拟合
模型的保存和加载
特征工程概述
one-hot编码
标签数值化
特征预处理
特征标准化和归一化
连续型变量离散化
特征降维之过滤式
样本不均衡问题
特征工程案例实战
第二天 主成分分析、Knn、决策树和随机森林主成分分析PCA概念
PCA原理
案例图像降维
因子分析原理分析
sklearn实现因子分析
KNN算法原理
sklearn实现KNN
Knn案例解析
Knn参数调优
KNN实现回归模型
决策树原理解析
决策树构造实例
sklearn实现决策树
决策树超参数调优
交叉验证和网格搜索
决策树案例解析-红酒分析
随机森林算法解析
随机森林参数调优
案例-乳腺癌分类
随机森林实现回归
第三天 线性回归和逻辑回归  一元线性回归理论推导
估算系数和评估指标
sklearn实现线性回归
多元线性回归
参数调优
多项式回归
理解正则化
岭回归
  Lasso回归
超参数调优
关于梯度下降
sklearn实现梯度回归
逻辑回归原理解析
sklearn实现逻辑回归
逻辑回归参数调优
第四天 支持向量机、聚类算法核朴素贝叶斯  线性SVM支持向量机原理推导
SVM算法实现
非线性SVM和核函数
超参数调优
多项式核函数
K-MEANS算法解析
K-MEANS算法实现
  聚类算法实现降维
朴素贝叶斯原理
多项式朴素贝叶斯
伯努利朴素贝叶斯
高斯朴素贝叶斯
案例解析:文本分类
案例解析:垃圾邮件分类
第五天 集成分析核文本分析  文本特征提取
jieba中文分词
tf-idf逆文档频率
文本清洗
案例实战:酒店推荐
AdaBoost算法解析
sklearn中AdaBoost算法实现
  sklearn中AdaBoost算法调参
GBDT算法解析
sklearn中GBDT算法实现
XGBoost算法解析
sklearn中XGBoost算法实现
sklearn中XGBoost算法调参
第六天 OpenCV视觉分析  OpenCV概述
基本操作和色彩空间
绘制基本图形
图像基本操作
视频捕获
图像仿射变化
给图像打马赛克
  图像腐蚀和膨胀
开运算、闭运算和滤波
canny边缘检测
图像轮廓
模板匹配
人脸识别和替换
摄像头人脸捕获
案例实战:车牌捕获和识别
培训咨询

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注

同类课程推荐同类课程推荐
IT技术培训课程分类