我要報名

咨詢電話：
手　　機：	郵箱：

培訓收益

課程中通過細致講解，使學員掌握該技術的本質(zhì)。具體收益包括：

1. 回歸算法理論與實戰(zhàn)；

2. 決策樹算法理論與實戰(zhàn)；

3. 集成學習算法理論與實戰(zhàn)；

4. KNN算法和決策樹算法理論與實戰(zhàn)；

5. 聚類算法理論與實戰(zhàn)；

6. 神經(jīng)網(wǎng)絡算法；

7.Tensorflow；

8. 生成式對抗網(wǎng)絡GANs。

培訓特色

本次培訓從實戰(zhàn)的角度對深度學習技術進行了全面的剖析，并結合實際案例分析和探討深度學習的應用場景，給深度學習相關從業(yè)人員以指導和啟迪。

課程大綱

第一天上午機器學習與線性回歸算法

線性回歸實現(xiàn)銷售數(shù)據(jù)預測 (3h)

1.線性回歸介紹與公式推導

2.多變量線性歸回與梯度下降

3.預測銷量與廣告投放相關性預測

4.數(shù)據(jù)升維與PCA降維

5.數(shù)據(jù)歸一化與模型優(yōu)化

6.欠擬合與過擬合

7.訓練結果的可視化

保存模型與再加載

第一天下午 邏輯回歸與決策樹實戰(zhàn)

邏輯回歸之信用卡反欺詐預測 (1.5h)

1.項目背景與需求分析

2.特征工程之標準化

3.基本預處理操作

4.上采樣與下采樣

5.混淆矩陣可視化函數(shù)

6.模型的訓練與準確率,精確率,召回率

決策樹、集成學習識別銀行高風險貸款 (1.5h)

1.信息增益與算法原理介紹

2.數(shù)據(jù)分析、特征工程

3.模型訓練與優(yōu)化參數(shù)

4.隨機森林、正向激勵算法

采用決策樹識別高風險貸款

第二天上午Tensorflow2.3 神經(jīng)網(wǎng)絡

深度學習與深度神經(jīng)網(wǎng)絡實踐 (1.5h)

1.Tensorflow安裝

2.Tensorlfow基礎知識

3.Tensorflow線性回歸

4.Tensorflow非線性回歸

5.Mnist數(shù)據(jù)集合Softmax講解

6.使用BP神經(jīng)網(wǎng)絡搭建手寫數(shù)字識別

7.交叉熵(cross-entropy)講解和使用

8.過擬合,正則化,Dropout

9.各種優(yōu)化器Optimizer

10.改進手寫數(shù)字識別網(wǎng)絡

11.模型保存與載入

第二天下午 深度學習之卷積神經(jīng)網(wǎng)絡

CIFAR圖形圖像識別項目 (3h)

1.CIFAR項目需求介紹

2.分析愛data_batch數(shù)據(jù)集

3.CNN卷積神經(jīng)網(wǎng)絡介紹

4.卷積、深度、池化、步長、激活函數(shù)

采用CNN完成CIFAR物體分類

1.人臉識別數(shù)據(jù)集與算法介紹

2.模型結構設計

3.人臉損失函數(shù)設計

4.模型與參數(shù)調(diào)優(yōu)

第三天上午Keras 神經(jīng)網(wǎng)絡框架

Keras理論介紹最佳實戰(zhàn) (3h)

1.Keras神經(jīng)網(wǎng)絡框架介紹

2.基于Keras情感類分析

3.動物分類器實現(xiàn)

4.采用Keras實現(xiàn)非線性回歸

5.生成式對抗神經(jīng)網(wǎng)絡原理及應用

6.模塊結構分析與優(yōu)化策略

7.采用Keras重構TensorFlow項目

第三天下午 Open CV計算機視覺技術

OpenCV的人臉識別 (3h)

1.OpenVINO框架介紹與安裝測試

2.OpenCV DNN中使用IE模塊加速

3.轉化工具與IE模塊加速

4.準備人臉數(shù)據(jù)

5.CV掃描圖像、平滑、擴張實現(xiàn)

6.DNN神經(jīng)網(wǎng)絡識別人臉

7.測試與調(diào)優(yōu)操作

8.基于Open CV DNN 構建車輛與車牌檢查模型

第四天上午YOYO目標識別框架技術

YOYO目標識別框架介紹 (3h)

1.標檢測任務介紹

2.RCNN/Fast-RCNN/Faster-RCNN算法介紹

3.YOLO算法介紹

4.目標分割任務介紹

5.全卷積網(wǎng)絡

6.雙線性上采樣

7.特征金字塔

8.Mask RCNN算法介紹

9.目標分割項目實戰(zhàn)

第四天下午 圖數(shù)據(jù)庫與構建知識圖譜

知識表示與建模 (1.5h)

1.知識圖譜核心技術：知識推理

2.知識圖譜應用場景與抽取概述介紹

3.本體知識推理與任務分類

4.實體與關系、事件抽取技術

5.采用TxtCnn、CRF完成知識抽取

6.采用RNN、LSTM完成知識抽取

知識存儲與問答機器人構建 (1.5h)

1.知識存儲neo4j常用數(shù)據(jù)庫

2.Cyhper語言介紹

3.采用Py操作Neo4j數(shù)據(jù)庫

4.基于知識圖譜問答機器人構建

劉老師

劉老師 西安郵電學院計算機科學與技術本科專業(yè)，擁有著十幾年軟件研發(fā)經(jīng)驗，7年企業(yè)培訓經(jīng)驗，對Java、Python、區(qū)塊鏈等技術領域有獨特的研究，精通J2EE企業(yè)級開發(fā)技術。Java方向：設計模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對Java源碼有深入研究。Python方向：Python OOP、Mongodb、Django、Scrapy爬蟲、基于Surprise庫數(shù)據(jù)推薦，Tensorflow人工智能框架、人臉識別技術。區(qū)塊鏈方向：BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。

覃老師 上海大學物理學碩士，創(chuàng)業(yè)公司合伙人，技術總監(jiān)。機器學習，深度學習領域多年一線開發(fā)研究經(jīng)驗，精通算法原理與編程實踐。曾使用Tensorflow，Caffe，Keras等深度學習框架完成過多項圖像，語音，nlp，搜索相關的人工智能實際項目，研發(fā)經(jīng)驗豐富。擁有兩項國家專利。同時具有多年授課培訓經(jīng)驗，講課通熟易懂，代碼風格簡潔清晰。

王老師 計算機博士，深入理解傳統(tǒng)的計算機視覺方法與目前主流的深度學習算法，在圖像識別、目標檢測、圖像分割、OCR、人臉識別等方向均進行了豐富的項目實戰(zhàn)。熟練使用OpenCV、Tensorflow、Keras等工具。具備豐富的數(shù)據(jù)挖掘經(jīng)驗，熟悉大數(shù)據(jù)下的ETL與模型搭建，曾獨立負責美團用戶信用分評估、敏感身份挖掘、京東金融APP多個模塊推薦算法搭建等項目。

我要報名

在線報名：Python-機器學習、深度學習與計算機圖像處理技術實戰(zhàn)(成都)