机器学习与深度学习实战

课程详情

第一天

上午机器学习简介

回归算法理论与实战：

1.一元线性回归

2.代价函数

3.梯度下降法

4.使用梯度下降法实现一元线性回归

5.标准方程法

6.使用sklearn实现一元线性回归

7.多元线性回归

8.使用sklearn实现多元线性回归

9.特征缩放，交叉验证法

10.过拟合正则化

11.岭回归

12.sklearn实现岭回归

13.LASSO回归

14.sklearn实现LASSO回归

第一天

下午决策树算法理论与实战

15.决策树-信息熵,ID3,C4.5算法介绍

16.sklearn实现决策树

17.决策树-CART算法

18.决策树应用

集成学习算法理论与实战

19.Bagging介绍与使用

20.随机森林介绍与使用

21.Adaboost介绍与使用

22.Stacking和Voting介绍与使用

泰坦尼克号获救人员预测项目

第二天

上午KNN算法和决策树算法理论与实战

1.KNN算法介绍

2.python实现knn算法

3.sklearn实现knn算法完成iris数据集分类

聚类算法理论与实战

4.k-means算法原理

5.k-means算法实现

6.DBSCAN算法原理

7.DBSCAN算法实现

第二天

下午神经网络算法

8.神经网络基本原理

9.单层感知器程序

10.线性神经网络

11.激活函数，损失函数和梯度下降法

12.线性神经网络异或问题

13.BP神经网络介绍

14.BP算法推导

15.BP神经网络解决异或问题

16.BP算法完成手写数字识别

16.sklearn-BP神经网络解决手写数字识别

17.GOOGLE神经网络平台

特征工程贷款拖欠预测项目

用户流失预测项目

第三天

上午

Tensorflow（一）

1.深度学习框架介绍

2.Tensorflow安装

3.Tensorlfow基础知识：图，变量，fetch，feed

4.Tensorflow线性回归

5.Tensorflow非线性回归

6.Mnist数据集合Softmax讲解

7.使用BP神经网络搭建手写数字识别

8.交叉熵(cross-entropy)讲解和使用

第三天

下午Tensorflow（二）

9.过拟合,正则化,Dropout

10.各种优化器Optimizer

11.改进手写数字识别网络

12.卷积神经网络CNN的介绍

13.使用CNN解决手写数字识别

14.长短时记忆网络LSTM介绍

15.LSTM的使用

16.模型保存与载入

第四天

上午图像识别项目

1.介绍Google图像识别模型Inception-v3

2.使用Inception-v3做图像识别

图像识别项目

3.训练自己的图像识别模型

验证码识别项目

4.多任务学习介绍

5.生存验证码图片

6.构建验证码识别模型

第四天

下午文本分类项目

7.文本分类任务介绍

8.word2vec介绍

9.使用CNN完成文本分类

10.使用LSTM完成文本分类

生成式对抗网络GANs

11.GANs介绍

12.使用tensorflow完成GANs

业内经验交流

讲师介绍

覃老师，资深讲师。上海大学物理学硕士，创业公司合伙人，技术总监。机器学习，深度学习领域多年一线开发研究经验，精通算法原理与编程实践。曾使用Tensorflow，Caffe，Keras等深度学习框架完成过多项图像，语音，nlp，搜索相关的人工智能实际项目，研发经验丰富。拥有两项国家专利。同时具有多年授课培训经验，讲课通熟易懂，代码风格简洁清晰。

蒋老师，资深讲师。清华大学博士，人工智能专家 机器学习，深度学习领域多年一线开发研究经验，精通python、算法原理与编程实践。现就职于某大型国有科技公司从事大数据和人工智能的应用和开发。丰富的项目实战经验，对大数据的收集、处理、数据挖掘在实际应用中有深刻的认识。致力于利用大数据、人工智能在企业决策规划、语义理解、数据可视化方面的应用。具有多年授课培训经验，讲课通熟易懂，代码风格简洁清晰。

余老师，资深讲师。计算机硕士，十几年IT项目经验，带领技术团队完成网站构架、技术研发、设计，测试等工作；设计、指导关键技术模块，并对系统安全性、稳定性负责； 根据公司的发展战略，提出it发展规划，并推动实施；合理安排部门内员工的日常工作，做到高效率、优效果。擅长多种技术技能，精通产品设计和需求分析；精通python、算法原理与编程实践；精通大数据Hadoop平台、Kylin等的应用和开发；精通JAVA 平台的Spring、Mybatis及分布式、多线程高性能架构相关开发技术；精通Spring Cloud 微服务架构和Spring Boot开发；精通.NET 平台的架构和设计；精通 Redis 缓存 MongoDB ，Rabbit MQ；精通高并发Web应用的性能瓶颈和调优方式;精通架构模式，Transaction、Security、Persistence等机制及实现，IOC、AOP、SOA等理念及实现;精通各种主流应用架构和平台，熟悉工作流引擎、规则引擎等中间件等。