機器學習與深度學習培訓

主講老師：葉梓

課程詳情：

【課程時長】

6天（6小時/天）

【課程簡介】

人工智能的浪潮正在席卷全球，各種培訓課程應運而生，但真正能讓學員系統(tǒng)、全面掌握知識點，并且能學以致用的實戰(zhàn)課程并不多見。本課程包含機器學習、深度學習的重要概念及常用算法（決策樹、關聯(lián)規(guī)則、聚類、貝葉斯網絡、神經網絡、支持向量機、隱馬爾科夫模型、遺傳算法、CNN、RNN、GAN等），以及人工智能領域當前的熱點。通過6天的系統(tǒng)學習、案例講解和動手實踐，讓學員能初步邁入機器學習和深度學習的知識殿堂。

【課程收益】

ü 掌握數(shù)據(jù)挖掘與機器學習基本知識；

ü 掌握數(shù)據(jù)挖掘與機器學習進階知識；

ü 掌握深度學習的理論與實踐；

ü 掌握Python開發(fā)技能；

ü 掌握深度學習工具：TensorFlow、Keras等；

ü 為學員的后續(xù)項目應用提供針對性的建議。

【課程特點】

本課程力圖理論結合實踐，強調從零開始，重視動手實踐；課程內容以原理講解為根本，以應用落地為目標。課程通過大量形象的比喻和手算示例來解釋復雜的機器學習理論，既能將原理充分講懂講透，也避免了繁復而枯燥的公式推導。

【課程對象】

計算機相關專業(yè)本科；或理工科本科，且至少熟悉一門編程語言。

【學員基礎】

具備初步的IT基礎知識

【課程大綱】（培訓內容可根據(jù)客戶需求調整）


時間	內容	案例實踐與練習
Day1初識機器學習上午概述入門數(shù)據(jù)預處理	概述（第一天——1） 1、概念與術語（人工智能、數(shù)據(jù)挖掘、機器學習） 2、數(shù)據(jù)挖掘的對象 3、數(shù)據(jù)挖掘的關鍵技術 4、知識的表達 5、 Python的安裝數(shù)據(jù)預處理（第一天——2） 1、數(shù)據(jù)清理 2、規(guī)范化 3、模糊集 4、粗糙集 5、無標簽時：PCA 6、有標簽時：Fisher線性判別數(shù)據(jù)壓縮（DFT、小波變換）	案例實踐： 1、 python安裝 2、 Tensorflow安裝 3、 PCA的實驗 4、 DFT的實驗
Day1初識機器學習下午回歸與時序分析決策樹	回歸與時序分析（第一天——3） 1、線性回歸 2、非線性回歸 3、 logistics回歸 4、平穩(wěn)性、截尾與拖尾 5、 ARIMA 決策樹（第一天——4） 1、分類和預測 2、熵減過程與貪心法 3、 ID3 4、 C4.5 5、其他改進方法決策樹剪枝	案例實踐： 1、回歸的實驗 2、 ARIMA預測實驗 3、決策樹的實驗
Day2機器學習中的典型算法上午聚類關聯(lián)規(guī)則樸素貝葉斯與KNN	聚類（第二天——1） 1、監(jiān)督學習與無監(jiān)督學習 2、 K-means與k-medoids 3、層次的方法 4、基于密度的方法 5、基于網格的方法 6、孤立點分析關聯(lián)規(guī)則（第二天——2） 1、頻繁項集 2、支持度與置信度 3、提升度 4、 Apriori性質 5、連接與剪枝樸素貝葉斯與KNN（第二天——3） 1、 KNN 2、概率論基礎：條件概率、聯(lián)合概率、分布、共軛先驗。 3、 “概率派”與“貝葉斯派” 4、樸素貝葉斯模型	案例實踐： 1、鳶尾花數(shù)據(jù)的聚類 2、超市購物籃——關聯(lián)規(guī)則分析 3、樸素貝葉斯案例：皮馬印第安人患糖尿病的風險
Day2機器學習中的典型算法下午極大似然估計與EM算法性能評價指標	極大似然估計與EM算法（第二天——4） 1、極大似然估計 2、對數(shù)似然函數(shù) 3、 EM算法性能評價指標（第二天——5） 1、準確率；精確率、召回率；F1 2、真陽性率、假陽性率 3、混淆矩陣 4、 ROC與AUC 5、對數(shù)損失 6、 Kappa系數(shù) 7、回歸：平均絕對誤差、平均平方誤差 8、聚類：蘭德指數(shù)、互信息 9、 k折驗證	案例實踐： 1、正態(tài)分析的參數(shù)估計 2、 EM算法應用案例：雙正態(tài)分布的參數(shù)估計 3、繪制ROC并計算AUC、F1 4、繪制擬合曲線，計算擬合優(yōu)度
Day3神經網絡專題上午 BP神經網絡模擬退火算法與其他神經網絡	BP神經網絡（第三天——1） 1、人工神經元及感知機模型 2、前向神經網絡 3、 sigmoid 4、徑向基函數(shù)神經網絡 5、誤差反向傳播模擬退火算法與其他神經網絡（第三天——2） 1、模擬退火算法 2、 Hopfield網絡 3、自組織特征映射神經網絡（SOM） 4、受限布爾茲曼機	案例實踐： 1、可以手算的神經網絡 2、神經網絡模擬一個圓錐曲面 3、 “貨郎擔”問題（模擬退火算法） 4、識別破損的字母（Hopfield網絡） 5、聚類的另一種解法（SOM）
Day3神經網絡專題下午機器學習中的最優(yōu)化方法遺傳算法	機器學習中的最優(yōu)化方法（第三天——3） 1、參數(shù)學習方法 2、損失函數(shù)（或目標函數(shù)） 3、梯度下降 4、隨機梯度下降 5、牛頓法 6、擬牛頓法遺傳算法（第三天——4） 1、種群、適應性度量 2、交叉、選擇、變異 3、基本算法	案例實踐： 1、隨機梯度下降的例子 2、牛頓法求Rosenbrock(香蕉函數(shù))的極值 3、 “同宿舍”問題：遺傳算法
Day4機器學習進階上午支持向量機隱馬爾科夫模型	支持向量機（第四天——1） 1、統(tǒng)計學習問題 2、支持向量機 3、核函數(shù) 其他課程強化學習培訓課程數(shù)據(jù)分析與數(shù)據(jù)挖掘培訓課程人工智能之最新自然語言處理技術與實戰(zhàn) 培訓課程人工智能與深度學習培訓課程人工智能自然語言處理培訓課程授課見證葉梓還沒有發(fā)布授課見證推薦講師馬成功 Office超級實戰(zhàn)派講師,國內IPO排版第一人講師課酬：面議常駐城市：北京市學員評價：賈倩注冊形象設計師,國家二級企業(yè)培訓師,國家二級人力資源管理師講師課酬：面議常駐城市：深圳市學員評價：鄭惠芳人力資源專家講師課酬：面議常駐城市：上海市學員評價：晏世樂資深培訓師,職業(yè)演說家,專業(yè)咨詢顧問講師課酬：面議常駐城市：深圳市學員評價：文小林實戰(zhàn)人才培養(yǎng)應用專家講師課酬：面議常駐城市：深圳市學員評價：濟南萬師企業(yè)管理咨詢有限公司 Copyright ? 2018-2023 All Rights Reserved 版權所有萬師講師網 www.freehost123.com 網站地圖魯ICP備20028662號-1 萬師講師網致力于教育培訓行業(yè)優(yōu)質培訓講師供應\|服務培訓機構\|品質講師保障\|中培聯(lián)職業(yè)講師認證\|中國名師團\|線下講師公開課\|講師版權作品登記感谢您访问我们的网站，您可能还对以下资源感兴趣：日韩精品射精管理在线观看日韩精品一区二区三区国语自制 \| 久久精品国产秦先生\| 日韩一级电影在线观看\| 国产精品成人va在线播放 \| 影院无码人妻精品一区二区\| 国产在线精品无码二区二区\| 青草青草久热精品观看\| 伊人无码精品久久一区二区\| 精品人妻一区二区三区浪潮在线\| 人妻精品久久无码专区精东影业\| 国产成人精品手机在线观看\| 一本色道久久88精品综合\| 国内精品国产成人国产三级\| 国产精品成人69XXX免费视频\| 视频二区国产精品职场同事 \| 久久精品99久久香蕉国产\| 国产亚洲精品成人AA片新蒲金 \| …久久精品99久久香蕉国产\| 久久精品免费一区二区\| 91精品久久国产青草\| 91自产拍在线观看精品\| 久久精品午夜一区二区福利\| 91精品久久久久久久久久小网站 \| 嘿嘿射久草日韩视频\| 制服丝袜日韩中文字幕在线\| 日韩美无码五月天\| 日韩精品一区二区午夜成人版\| 日韩一区二区三区视频\| 日韩va中文字幕无码电影\| 亚洲毛片av日韩av无码\| 亚洲av日韩综合一区久热\| 日韩爽爽视频爽爽\| www国产亚洲精品久久久\| 亚洲国产精品一区二区第四页\| 亚洲国产成人久久精品99\| www好男人精品视频在线观看\| 国产精品H片在线播放\| 久久久久99精品成人片牛牛影视\| 在线中文字幕精品第5页\| 久久精品国产福利国产秒\| 性色精品视频网站在线观看\|

時間

內容

案例實踐與練習

Day1初識機器學習

上午

概述入門

數(shù)據(jù)預處理

概述（第一天——1）

1、概念與術語（人工智能、數(shù)據(jù)挖掘、機器學習）

2、數(shù)據(jù)挖掘的對象

3、數(shù)據(jù)挖掘的關鍵技術

4、知識的表達

5、 Python的安裝

數(shù)據(jù)預處理（第一天——2）

1、數(shù)據(jù)清理

2、規(guī)范化

3、模糊集

4、粗糙集

5、無標簽時：PCA

6、有標簽時：Fisher線性判別

數(shù)據(jù)壓縮（DFT、小波變換）

案例實踐：

1、 python安裝

2、 Tensorflow安裝

3、 PCA的實驗

4、 DFT的實驗

Day1初識機器學習

下午

回歸與時序分析

決策樹

回歸與時序分析（第一天——3）

1、線性回歸

2、非線性回歸

3、 logistics回歸

4、平穩(wěn)性、截尾與拖尾

5、 ARIMA

決策樹（第一天——4）

1、分類和預測

2、熵減過程與貪心法

3、 ID3

4、 C4.5

5、其他改進方法

決策樹剪枝

案例實踐：

1、回歸的實驗

2、 ARIMA預測實驗

3、決策樹的實驗

Day2機器學習中的典型算法

上午

聚類

關聯(lián)規(guī)則

樸素貝葉斯與KNN

聚類（第二天——1）

1、監(jiān)督學習與無監(jiān)督學習

2、 K-means與k-medoids

3、層次的方法

4、基于密度的方法

5、基于網格的方法

6、孤立點分析

關聯(lián)規(guī)則（第二天——2）

1、頻繁項集

2、支持度與置信度

3、提升度

4、 Apriori性質

5、連接與剪枝

樸素貝葉斯與KNN（第二天——3）

1、 KNN

2、概率論基礎：條件概率、聯(lián)合概率、分布、共軛先驗。

3、 “概率派”與“貝葉斯派”

4、樸素貝葉斯模型

案例實踐：

1、鳶尾花數(shù)據(jù)的聚類

2、超市購物籃——關聯(lián)規(guī)則分析

3、樸素貝葉斯案例：皮馬印第安人患糖尿病的風險

Day2機器學習中的典型算法

下午

極大似然估計與EM算法

性能評價指標

極大似然估計與EM算法（第二天——4）

1、極大似然估計

2、對數(shù)似然函數(shù)

3、 EM算法

性能評價指標（第二天——5）

1、準確率；精確率、召回率；F1

2、真陽性率、假陽性率

3、混淆矩陣

4、 ROC與AUC

5、對數(shù)損失

6、 Kappa系數(shù)

7、回歸：平均絕對誤差、平均平方誤差

8、聚類：蘭德指數(shù)、互信息

9、 k折驗證

案例實踐：

1、正態(tài)分析的參數(shù)估計

2、 EM算法應用案例：雙正態(tài)分布的參數(shù)估計

3、繪制ROC并計算AUC、F1

4、繪制擬合曲線，計算擬合優(yōu)度

Day3神經網絡專題

上午

BP神經網絡

模擬退火算法與其他神經網絡

BP神經網絡（第三天——1）

1、人工神經元及感知機模型

2、前向神經網絡

3、 sigmoid

4、徑向基函數(shù)神經網絡

5、誤差反向傳播

模擬退火算法與其他神經網絡（第三天——2）

1、模擬退火算法

2、 Hopfield網絡

3、自組織特征映射神經網絡（SOM）

4、受限布爾茲曼機

案例實踐：

1、可以手算的神經網絡

2、神經網絡模擬一個圓錐曲面

3、 “貨郎擔”問題（模擬退火算法）

4、識別破損的字母（Hopfield網絡）

5、聚類的另一種解法（SOM）

Day3神經網絡專題

下午

機器學習中的最優(yōu)化方法

遺傳算法

機器學習中的最優(yōu)化方法（第三天——3）

1、參數(shù)學習方法

2、損失函數(shù)（或目標函數(shù)）

3、梯度下降

4、隨機梯度下降

5、牛頓法

6、擬牛頓法

遺傳算法（第三天——4）

1、種群、適應性度量

2、交叉、選擇、變異

3、基本算法

案例實踐：

1、隨機梯度下降的例子

2、牛頓法求Rosenbrock(香蕉函數(shù))的極值

3、 “同宿舍”問題：遺傳算法

Day4機器學習進階

上午

支持向量機

隱馬爾科夫模型

支持向量機（第四天——1）

1、統(tǒng)計學習問題

2、支持向量機

3、核函數(shù)

其他課程

強化學習: 培訓課程

數(shù)據(jù)分析與數(shù)據(jù)挖掘: 培訓課程

人工智能之最新自然語言處理技術與實戰(zhàn): 培訓課程

人工智能與深度學習: 培訓課程

人工智能自然語言處理: 培訓課程

授課見證

葉梓還沒有發(fā)布授課見證

推薦講師

馬成功

Office超級實戰(zhàn)派講師,國內IPO排版第一人

講師課酬：面議

常駐城市：北京市

學員評價：

賈倩

注冊形象設計師,國家二級企業(yè)培訓師,國家二級人力資源管理師

講師課酬：面議

常駐城市：深圳市

學員評價：

鄭惠芳

人力資源專家

講師課酬：面議

常駐城市：上海市

學員評價：

晏世樂

資深培訓師,職業(yè)演說家,專業(yè)咨詢顧問

講師課酬：面議

常駐城市：深圳市

學員評價：

文小林

實戰(zhàn)人才培養(yǎng)應用專家

講師課酬：面議

常駐城市：深圳市

學員評價：