要资料 文章 文库 Lib 视频 Code iProcess 课程 认证 服务 工具 讲座吧   成长之路  
会员   
 
 
 
 
全部课程 | 技术学院 | 管理学院 | 嵌入式学院 | 在线学院  
成功案例   品质保证  电话 English
追随技术信仰

随时听讲座
每天看新闻
 
   
成功案例
财政部唯 大数据分析专题-R
神龙汽车 大数据技术平台-H
中国电信 大数据时代与现代企
某知名银 大数据分析专题-R
IGT 数据分析与挖掘
某风电企 R语言数据分析
某车联网 数据分析与挖掘

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
 

人工智能,机器学习和深度学习
唐老师
深度学习领域多年一线实践研究专家,同济大学硕士.
报名课程     4716 次浏览    31 次 
时间地点: 北京11月17-18日; 上海 深圳根据报名开班
课程费用:5800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

课程首先讲解人工智能总体介绍,然后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:

  • 初探机器学习
  • 机器学习基础算法
  • 机器学习进阶算法
  • 机器学习实战项目
  • 深度学习基础
  • 深度学习进阶 神经网络
  • 深度学习核心 卷积神经网络
  • 深度学习网络架构
  • 深度学习框架CAFFE详解
  • 深度学习项目实战人脸检测
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

主题
课程安排
课程安排 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
  • 自然语言处理
  • 计算机视觉和图像识别
  • 人脸识别项目
  • 数据挖掘算法
  • 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
    9. 实例:使用K近邻算法测试约会对象
    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
    11. 实例1:使用贝叶斯分类器打造拼写检查器
    12. 实例2:垃圾邮件分类任务

    第三阶段 机器学习进阶算法 1. Adaboosting算法原理
    2. Boosting机制,优势分析
    3. 自适应增强算法代码实现
    4. 实例:使用集成算法改进泰坦尼克号预测
    5. 线性支持向量机算法原理推导
    6. 支持向量机核变换推导
    7. SMO求解支持向量机
    8. SMO算法代码实现
    9. 随机森林算法原理
    10. 使用随机森林衡量选择特征标准
    11. 实例:使用随机森林改进泰坦尼克获救预测
    12. 聚类算法综述
    13. K-MEANS与DBSCAN算法讲解
    第四阶段 机器学习实战项目 1. HTTP日志流量数据分析
    2. 特征提取
    3. 预处理,归一化
    4. 分类解决方案
    5. 聚类解决方案
    6. 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 深度学习进阶 神经网络 1. 神经网络原理
    2. 激活函数
    3. 深入神经网络细节
    4. 感受神经网络的强大
    5. 实例:神经网络代码实现并与线性分类对比

    第七阶段 深度学习核心 卷积神经网络 1. 卷积神经网络的强大
    2. 卷积神经网络详解-卷积层
    3. 卷积神经网络详解-池化层
    4. 卷积神经网络详解-全连接层
    5. 卷积效果实例
    第八阶段 深度学习网络架构 1. 经典神经网络实例(ALEXNET,VGG)详解
    2. RNN与LSTM记忆网络
    3. 数据增强,网络设计,参数初始化
    4. 级联模式网络结构分析-人脸检测算法分析
    5. 序列化网络结构分析-人体姿态识别算法分析
    6. 深度残差网络
    7. PRISMA如何实现风格转换
    8. Faster-rcnn物体检测框架原理详解
    第九阶段 深度学习框架CAFFE详解 1. CAFFE框架简介
    2. 配置文件结构
    3. 制作LMDB格式数据源
    4. 训练网络模型
    5. 超参数设置
    6. 数据预处理方案
    7. 训练网络技巧
    第十阶段 深度学习项目实战人脸检测 1. 人脸检测数据收集
    2. 制作正负样本给定标签
    3. 制作LMDB数据源
    4. 使用CAFFE训练人脸检测网络
    5. 代码实现人脸检测模型
    4716 次浏览   31 次
    其他人还看了课程
    人工智能,机器学习和深度学习  4717 次浏览
    定制内训



    最新活动计划
    [北京]UML和EA进行系统分析设计 10-17
    [北京]代码质量标准与评审方法 10-19
    [北京]Git版本控制与配置管理 10-21
    [北京]敏捷测试-简单而可行 10-25
    [北京]性能测试方法与技术 10-26
    [北京]数据挖掘与数据分析 10-30
    [北京]开发过程中的质量管理实践 10-30
    [上海]软件架构设计方法案例实践 11-16
    [上海]嵌入式C高质量编程 11-21
    [深圳]需求分析与管理 10-19
    [深圳]C#高级开发技术 10-21
     
     
     

     
    每天2个文档/视频
    扫描微信二维码订阅
    订阅技术月刊
    获得每月300个技术资源
     
    希望我们的资料可以帮助你学习,也欢迎投稿&提建议给我
    频道编辑:sky
    邮       件:sky@uml.net.cn

    关于我们 | 联系我们 | 京ICP备10020922号 京公海网安备110108001071号