|
|
全部课程 >人工智能 |
|
机器学习理论与实战 |
3320 次浏览 53 次
|
|
|
时间地点:北京
上海 深圳根据报名开班 |
课程费用:5700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
|
|
|
|
本次课程涵盖机器学习领域标签学习、概率图模型以及神经网络等方面的理论算法教学,同时辅以Bot机器人与智能营销等方向的实战开发。除了理论课程之外,长达1个月的GPU云服务能快速提升学员的实战开发能力。
本课程机器学习理论+实战部分的内容结构图如下:
通过讲授机器学习和深度学习理论及算法,让学员对机器学习、深度学习技术方法有深入的理解,同时学习深度学习开源平台的开发方法,为案例实战做好准备;再通过案例实战,让学员亲自上手实践机器学习、深度学习在实际项目中的应用技术。通过理论学习+动手实操的培训,为学员能够快速向AI转型、从事AI技术及AI项目研发打好基础。
|
培训目标: |
1 绪论:ML与AI的回顾和简介
2 标签学习
2.1 以分类、回归的思想建模(最小化回归误差和最小化信息熵)
2.2 以概率的框架建模(最大化数据似然)
2.3 集成学习方法
3 结构体建模
3.1 有向的概率图模型
3.2 无向概率图模型
|
培训对象:大数据分析工程师,机器学习专业人士 |
学员基础:了解数据分析一般原理,对机器学习有一定概念 |
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
|
1
绪论:ML与AI的回顾和简介
|
务实的AI与机器学习发展历史回顾(课程内容总体介绍)
AI的潮起潮落:弱人工智能和强人工智能
机器学习模型的构成:目标函数、优化、推理预测
机器学习模型的分类:监督学习与非监督学习
机器学习研究的新趋势:从标签学习到结构体学习模型 |
2
标签学习 |
介绍的机器学习模型包括:决策树、回归树、GBRT、Logistic
Regression、集成方法 |
2.1
以分类、回归的思想建模(最小化回归误差和最小化信息熵) |
决策树:信息熵
回归树
Gradient Boosting Regression Tree:在工业界的广发应用与特征工程
核心讲授思想:从优化的观点出发,讲解树生成的贪心算法 |
2.2
以概率的框架建模(最大化数据似然) |
复习概率论基本知识:sum
rule, product rule
Logistic Regression:从二分类到多分类的Softmax
朴素贝叶斯
核心讲授思想:讲授最大化似然的优化目标、梯度下降的优化方法、和模型预测方法
|
2.3
集成学习方法 |
Bagging、Random
Forest、Adaboost
核心讲授思想:集成学习核心思想,特别介绍Adaboost算法在理论上的性能保障 |
3
结构体建模 |
主要讲授:概率图模型与EM算法 |
3.1
有向的概率图模型 |
有向概率图模型:基本知识(全概率公式的表达与模型条件独立假设的等价关系)
经典有向概率图的具体模型:
朴素贝叶斯的概率图模型
矩阵分解的协同过滤方法:Probabilistic Matrix Factorization(顺带讲解协同过滤的其它方法)
概率图模型设计的方法论
引入隐变量的有向图概率图模型
主题模型:PLSA
混合高斯模型(无监督聚类)
EM算法细节:对引入隐向量的结构体的建模
核心讲授思想:讲授有向的概率图模型的基本知识和经典模型实例;讲授引入隐变量到概率图模型的目的,和该情况下的优化方法(EM算法)
|
3.2
无向概率图模型 |
无向的概率图模型:基本知识(全概率公式的表达与模型条件独立假设的等价关系)
经典无向概率图的具体模型:条件随机场(Viterbi算法)
核心讲授思想:讲授无向的概率图模型的基本知识和经典模型实例
|
4
结构体预测 |
主要讲授:深度学习神经网络方法 |
4.1
神经网络基础 |
神经网络概述
全连接前馈神经网络:模型优化的BP算法(随机梯度下降、梯度消失)
PLSA的神经网络实现方法
核心讲授思想:神经网络是对从输入到输出的计算流程可视化,同时便于反向求导等运算 |
4.2
Theano编程 |
编程介绍、调试、Theano背后的设计思想
核心讲授思想:以Theano下的全连接前馈神经网络的实现为例,讲解Theano的神经网络编程 |
4.3
卷积神经网络 |
卷积神经网络原理:BP算法在卷积神经网络下的推导
卷积神经网络应用:基本应用、图像虚幻化的应用 |
4.4
循环神经网络 |
循环神经网络原理:BP算法在循环神经网络下的推导
循环神经网络基本应用:序列标注、语言建模
循环神经网络高级应用:机器翻译、对话生成
核心讲授思想:机器学习从特征工程迈向网络设计 |
5
前沿研究与实际案例 |
5.1
机器学习案例实战一 |
闲聊机器人构建:生成式模型的研究前沿
对话的多机理建模
自顶向下的树结构神经网络生成
结构体预测的Adaboost方法(与对抗神经网络的结合) |
5.2
机器学习案例实战二 |
线上行为在线下营销智能化中的建模实践 |
5.3
大数据应用案例实战 |
打击证券交易市场“老鼠仓” |
|
|
|
|
|
|
|
|
3320 次浏览 53 次
|
其他人还看了课程 |
|
|
|