机器学习与深度学习实战

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

覃老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。
杨老师计算机博士，目前就职于中科院某研究所，长期从事深度学习与机器学习研究工作，在NLP与CV领域有很深造诣，主持多项科技专项，并带领团队深入一线研发并落地，XXX视频监控与分析系统、XXX舆情监控系统、XXX智能对话系统及XXX森林防火无人机跟拍系统等。申请发明专利2项、部级科技进步二等奖一次，在SIGIR、CIKM及AAAI的国际会议发表多篇文章。
赵老师计算机博士，目前主要研究方向包括电子推荐、智能决策和大数据分析等。主持国家自然科学基金2项、中国博士后科研基金、上海市浦江人才、IBMSharedUniversityResearch以及多项企业合作课题等项目。已在《管理科学学报》、《系统工程学报》、KnowledgeandInformationSystems,InformationProcessing&Management，InformationSystemsFrontiers等国内外刊物和学术会议发表论文90多篇，其中被SCI、EI收录40多篇。出版著作和教材《智能化的流程管理》、《客户智能》、《商务智能（第四版）》、《商务智能数据分析的管理视角（第三版）》、《数据挖掘实用案例集》等多部。