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  
机器学习理论与实战
3320 次浏览  53 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
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


    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
    AI工程师  3473 次浏览
    TinyML实战训练  88 次浏览
    深度学习模型 & Tensorflow框架实践  5394 次浏览
    GPU和CUDA并行计算应用程序开发  334 次浏览
    图数据库与知识图谱应用实践  345 次浏览
    大模型原理与实战  1732 次浏览
    定制内训


    最新活动计划
    面向对象业务分析与系统设计 10-16[线上]
    嵌入式软件架构设计-高级实践 10-17[线上]
    Qlik Sense数据分析技术 10-17线上]
    基于 UML 和EA进行分析设计 10-22[北京]
    用户研究与用户建模 10-24[北京]
    QT应用开发 10-24[北京]