求知 文章 文库 Lib 视频 iPerson 课程 认证 咨询 工具 讲座 Model Center   Code  
会员   
 
 
 
开班计划 | 技术学院 | 管理学院 | 嵌入式学院 | 机械 | 军工学院 | 定向培养 | 专家指导  
 电话 English
成功案例   品质保证
成功案例
中航信 数据湖架构原理与应
某医疗磁 数据采集与处理
某科技公 大数据（Hadoo
诺基亚 Python基础
天津电子 Elasticse
中国电信 数据仓库与数据挖掘
某航天科 MySQL性能优化
相关课程  
并发、大容量、高性能数据库
高级数据库架构设计师
Hadoop原理与实践
HBase原理与高级应用
Oracle 数据仓库
数据仓库和数据挖掘
Oracle数据库开发与管理
 
全部课程 >人工智能  
人工智能、机器学习& TensorFlow+Keras框架实践
9030 次浏览  39 次
刘老师
西电计算机科学与技术本科专业,拥有10多年软件研发经验，5年企业培训经验。
 
时间地点：北京、上海、 深圳 根据报名开班
课程费用：5000元/人
报公开课  
企业内训：可以根据企业需求,定制内训,详见 内训学习手册

认证方式：
培训前了解能力模型。
培训后进行能力评测：
  • 在线考试
  • 能力分析，给出学习建议
    • 合格者颁发证书，作为职业技能资格证明
    课程首先讲解人工智能总体介绍，然而分别详细讲解机器学习和深度学习，并结合人工智能实例讲解如何运用人工智能解决实际问题。

    培训目标：

    • 了解人工智能与机器学习知识体系
    • 学习机器学习基础算法
    • 学习 机器学习进阶算法
    • 演练 机器学习实战项目
    • 了解深度学习基础
    • 学习深度学习基本原理
    • 进行深度学习模型原理解析
    • 学习深度学习框架实践Tensorflow
    • 学习使用 Keras 进行深度学习
    培训对象：算法工程师，分析工程师，人工智能系统开发工程师
    学员基础：了解人工智能基本概念
    授课方式： 定制课程 + 案例讲解 + 小组讨论，60%案例讲解，40%实践演练
    培训内容：2天

    人工智能初览
    		 人工智能基本概念
    人工智能的核心技术
    人工智能的应用领域介绍
    第一阶段 初探机器学习 1. 机器学习要解决的问题2. 有监督无监督问题
    3. 机器学习能做什么
    4. 感知器-线性分类
    5. 线性回归原理,推导
    6. 实例：预测泰坦尼克船员能否获救
    7. K近邻算法原理
    8. K近邻算法代码实现
    第二阶段 机器学习基础算法 1. 逻辑回归算法原理,推导
    2. 逻辑回归代码实现
    3. 多分类问题解决方案
    4. 一对一分类,一对多分类
    5. 决策树算法模型
    6. 熵原理,信息增益
    7. 决策树构建
    8. 决策树代码实现
    9. 贝叶斯算法原理
    10. 贝叶斯代码实现
    第三阶段 机器学习进阶算法 1. 自适应增强算法代码
    2. 线性支持向量机算法原理推导
    3. 支持向量机核变换推导
    4. SMO求解支持向量机
    5. 随机森林算法原理
    6. 使用随机森林衡量选择特征标准
    7. 实例：使用随机森林改进泰坦尼克获救预测
    8. 聚类算法综述
    9. K-MEANS与DBSCAN算法讲解
    第四阶段 机器学习实战项目 1. 特征提取
    2. 预处理，归一化
    3. 分类解决方案
    4. 聚类解决方案
    5. 二分图，转移矩阵原理
    第五阶段 深度学习基础 1. 人工智能深度学习历史发展及简介
    2. 得分函数
    3. 损失函数
    4. 正则化
    5. Softmax分类器原理
    6. 最优化问题
    7. 梯度下降
    8. 反向传播
    第六阶段，深度学习基本原理 1、 深度学习简介
    2、 深度学习成功应用
    3、 深度学习与神经网络的对比
    4、 深度学习的训练过程
    5、 深度学习的具体模型
  • 自动编码器
  • 稀疏自动编码器
  • 降噪自动编码器
    • 6、 深度学习应用案例
    第七阶段，深度学习模型原理解析 1、 CNN
    • CNN模型的推导与实现
    • CNN的反向求导及练习
    • CNN应用：文本分类
    • CNN 常见问题总结
    2、 RNN
    • RNN模型的推导与实现
    • RNN的反向求导及练习
    • RNN应用：个性化电影推荐
    • RNN常见问题总结
    3、 LSTM
    • LSTM模型的推导与实现
    • LSTM的反向求导及练习
    • LSTM应用：文本识别
    • LSTM常见问题总结
    4、 DNN
    • DNN模型的推导与实现
    • DNN的反向求导及练习
    • DNN应用：CTR预估
    • DNN常见问题总结
    5、 广告搜索中深度学习的应用
    • 查询意图识别：CSR
    • 文本相关性：Word2Vec。DSSM
    • CTR预估：DNN、MxNet
    • 图像理解：VGGNet、CNN
    第八阶段，深度学习框架实践Tensorflow Tensorflow框架介绍
    TensorFlow和其他深度学习框架的对比
    Tensorflow 架构
    Tensorflow 基本使用
    TensorFlow实现多层感知机
    TensorFlow实现卷积神经网络
    Tensorflow 实现循环神经网络
    Tensorflow 实现LSTM
    TensorFlow实现深度强化学习
    实战：TensorFlow进行机器学习和深度学习案例实践。
    第九阶段，使用 Keras 进行深度学习 Keras 简介
    Keras与TensorFlow比较
    Keras的模块结构
    Keras 中的模型
    Keras 支持的对象概念
    Keras 中的数据处理
    使用Keras构建深度学习模型
     
    报公开课
    		  
    要内训
    9030 次浏览  39 次
    其他人还看了课程
    强化学习及案例实践  2688 次浏览
    大语言模型（LLM）Fine Tune  1291 次浏览
    自然语言处理（NLP）  3795 次浏览
    机器学习及其matlab实现-从基础到实践  1837 次浏览
    ChatGPT实战应用  755 次浏览
    Python、数据分析与机器学习  1856 次浏览
    定制内训


    最新活动计划
    SysML和EA系统设计与建模 7-26[特惠]
    Python、数据分析与机器学习 8-23[特惠]
    软件架构设计方法、案例实践 8-23[特惠]
    嵌入式软件架构设计 8-22[线上]
    Linux内核编程及设备驱动 7-25[北京]