求知 文章 文库 Lib 视频 iProcess 课程 认证 咨询 工具 讲座 Modeler   Code  
会员   
 
 
 
开班计划 | 技术学院 | 管理学院 | 嵌入式学院 | 电子&机械 | 军工学院 | 专家指导  
 电话 English
成功案例   品质保证
 
   
成功案例
某综合性 人工智能与机器学习
某工程研 数据库设计与优化
知名财险 Oracle数据库
某金融公 Mysql集群与性
知名某信 NoSQL缓存数据
财政部唯 大数据分析专题-R
神龙汽车 大数据技术平台-H

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  
机器学习理论与实战
1783 次浏览  59 次
罗老师
人工智能专业博士毕业,现任国内某著名研究机构博士生导师。
 
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”
     
    1783 次浏览  59 次
    其他人还看了课程
    人工智能概况和前沿展望  734 次浏览
    TensorFlow 架构和应用  1926 次浏览
    AI工程师  99 次浏览
    深度学习模型 & Tensorflow框架实践  2804 次浏览
    人工智能与机器学习应用实战  146 次浏览
    机器学习理论与实战  1783 次浏览
    定制内训



    最新活动计划
    需求分析管理 11-5[北京]
    ANSYS 有限元分析实战 11-23[北京]
    企业架构师(TOGAF官方认证)11-28[北京]
    Apache ActiveMQ技术实战 12-9[北京]
    人工智能,机器和深度学习11-26 [上海]
    分布式系统设计与实践 12-12[上海]
    云平台与微服务架构设计 11-15 [深圳]
    北京  需求分析师能力认证
    某电信运营供应商  应用UML进行面向对象分析设计
    某综合性科研机构  人工智能与机器学习应用
    中国平安  测试质量控制与管理
    某新能源电力企业  软件架构设计方法、案例与实践