400-888-5228

人工智能

機(jī)器學(xué)習(xí)與深度學(xué)習(xí)培訓(xùn)

隨著計(jì)算機(jī)計(jì)算能力的爆發(fā)式增長(zhǎng),人們利用計(jì)算機(jī)的方式不斷變革,而我們正走在變革的路口。一方面是大公司更多的資源投入到機(jī)器學(xué)習(xí)的領(lǐng)域,從而顛覆原有的決策和運(yùn)營(yíng)模式,另一方面,隨著實(shí)用性開(kāi)源代碼越來(lái)越豐富,隨著云平臺(tái)的不斷發(fā)展,小公司接入機(jī)器學(xué)習(xí)的方法的成本也越來(lái)越低。人工智能作為新一輪產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力,將催生新的技術(shù)、產(chǎn)品、產(chǎn)業(yè)、 業(yè)態(tài)、模式,從而引發(fā)經(jīng)濟(jì)結(jié)構(gòu)的重大變革,實(shí)現(xiàn)社會(huì)生產(chǎn)力的整體提升。

麥肯錫預(yù)計(jì):到 2025 年全球人工智能應(yīng)用市場(chǎng)規(guī)??傊祵⑦_(dá)到 1270 億美元,人工智能將是眾多智能產(chǎn)業(yè)發(fā)展的突破點(diǎn)。

課程大綱

第一部分:初識(shí)機(jī)器學(xué)習(xí)

概述概念與術(shù)語(yǔ)

(人工智能、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、深度學(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

Python數(shù)據(jù)挖掘工具箱

  • Numpy, Scipy
  • Pandas
  • learn,
  • Matplotlib

TensorFlow keras

數(shù)據(jù)加載與存儲(chǔ)

csv/json/Excel/mySQL

數(shù)據(jù)預(yù)處理與規(guī)范化

  • 數(shù)據(jù)合并
  • 數(shù)據(jù)轉(zhuǎn)換
  • 數(shù)據(jù)清洗
  • 數(shù)據(jù)聚合
  • 數(shù)據(jù)分組
  • 透視表與交叉表

第二部分:機(jī)器學(xué)習(xí)中的典型算法

模型評(píng)估方法

  • 偏差與方差
  • 混淆矩陣/準(zhǔn)確率/精確率/召回率
  • ROC/AUC/F1

線性回歸

  1. 一元/多元
  2. 多項(xiàng)式

線性回歸

  • 線性回歸
  • 隨機(jī)梯度下降法
  • 交叉驗(yàn)證

邏輯回歸

  1. 二分類
  2. 多分類

K近鄰算法

  1. kNN回歸
  2. kNN分類

深度學(xué)習(xí)模型

  1. 感知器網(wǎng)絡(luò)構(gòu)建
  2. Tensorflow環(huán)境搭建

人工神經(jīng)網(wǎng)絡(luò)

  • 感知器
  • Adam優(yōu)化器
  • 反向傳播

梯度下降

  • Softmax
  • 激活函數(shù)
  • Relu ELU 多層感知器
  • Tensorflow 程序?qū)崙?zhàn)

CNN

  • 卷積神經(jīng)網(wǎng)絡(luò)
  • Keras

Rnn

  • RNN
  • LSTM GRU介紹