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
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
某大型金 Python基础与
某交通信 Oracle数据库
某通信设 Python数据分
某通信设 Python数据分

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  
机器学习(深度学习)算法和应用    
1884 次浏览  5 次
B. Ma
百度高级算法工程师
 
时间地点北京,上海,深圳根据报名开班
课程费用:5500元/人
 
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


    课程讲解机器学习(深度学习)算法基本原理,以及如何应用这些机器学习算法实现行业应用。

    培训特色

    • 幻灯片算法讲解,结合代码分析,剖析算法原理;实际应用举例和和业界趋 势分析
    • 成熟开源框架介绍和实例(Theano, TensorFlow)。
    • 使学员能够了解机器学习的流程步骤;理解用机器学习方法解决实际问题的方法和思路;
    • 初步掌握基础机器学习的算法和实现方法。
    培训目标:

    • 了解机器学习概要
    • 学习广义线性模型
    • 经典概率模型
    • 决策树及其组合模型 Ensemble Models
    • 非监督学习模型 Unsupervised Learning
    • 人工神经元网络 Artificial Neural Networks
    培训对象:对机器学习算法原理和应用感兴趣,具有一定编程(Python)和数学基础(线 性代数、微积分和概率论)的管理和技术人员
    学员基础:有一定的机器学习基础
    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

    主题
    内容
    机器学习概要
    a) 什么是机器学习 & 与传统软件开发的异同
    b) 机器学习的分类和特点
    c) 机器学习可以解决的问题和应用现状
    广义线性模型
    a) 感知器模型 Perceptron
    b) 线性神经元 Linear Neuron / Adaline
    c) 逻辑回归 Logistic Regression
    d) 误差曲面和三种梯度下降算法 Gradient Descendent
    经典概率模型
    a) 朴素贝叶斯 Na?ve Bayes
    决策树及其组合模型
    Ensemble Models
    a) 决策树 Decision Tree: ID3 & CART
    b) 随机森林 Random Forest
    c) 自适应增强算法 Adaptive Boosting (AdaBoost)
    d) 梯度增强决策树 Gradient Boost Decision Tree (GBDT)
    非监督学习模型
    Unsupervised Learning
    a) 聚类 Clustering: K-‐Means, Hierarchy
    b) 降维 Dimension Reduction
    i. 主成分分析 Principle Component Analysis
    ii. 奇异值分解 Singularity Decomposition c) 关联规则
    i. Apriori 关联分析
    ii. FP-‐growth 频率项集
    人工神经元网络
    Artificial Neural Networks
    a) 神经元网络架构
    b) 向后传播训练算法 Backpropagation
    c) 多层感知器网络 Multiple-‐Layer Perceptron (MLP) d) 深度学习神经网络介绍
    i. 卷积神经网络 CNN
    ii. 循环神经网络 RNN 及其应用 1. 长短记忆神经网络 LSTM
    2. 受限玻尔兹曼机 Restricted Boltzmann Machine
    3. 深度置信网络 Deep Belief Net
    4. Deep Autoencoder
     
    1884 次浏览  5 次
    其他人还看了课程
    图像识别与深度学习  1966 次浏览
    人工智能的软件测试应用  277 次浏览
    ROS2从入门到实践  431 次浏览
    人工智能、机器学习& TensorFlow+Keras框架实践  6466 次浏览
    深度学习与知识图谱最佳实战  1068 次浏览
    图像处理算法方法与实践  2271 次浏览
    定制内训


    课程计划
    图数据库与知识图谱 5-25 [北京]
    基于 UML 和EA进行分析设计 5-25 [北京]
    MBSE(基于模型的系统工程)5-28 [直播]
    大数据平台搭建与高性能计算 6-1 [北京]
    深度学习与知识图谱最佳实践 6-9 [北京]
    用户体验、易用性测试与评估 6-26 [北京]