Python＋機器學習與深度學習實戰(zhàn)

Python＋機器學習與深度學習實戰(zhàn)(多名講師)課程介紹：

培訓收益
課程中通過細致講解，使學員掌握該技術(shù)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(luò)算法；
7. Tensorflow；
8. 生成式對抗網(wǎng)絡(luò)GANs。

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

日程安排

第一天上午
機器學習與線性回歸算法
第一部分 線性回歸實現(xiàn)銷售數(shù)據(jù)預(yù)測 (3h)
1. 線性回歸介紹與公式推導(dǎo)
2. 多變量線性歸回與梯度下降
3. 線性回歸預(yù)測銷售數(shù)據(jù)
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(jié)果的可視化
8. 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(yù)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(yù)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

第二部分
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
5. 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(luò) 深度學習與深度神經(jīng)網(wǎng)絡(luò)實踐 (1.5h)
1. Tensorflow安裝
2. Tensorlfow基礎(chǔ)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(luò)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(luò)
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(luò)
第三部分 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(luò)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(jié)構(gòu)設(shè)計
3. 人臉損失函數(shù)設(shè)計
4. 模型與參數(shù)調(diào)優(yōu)

第三天 上午
Keras 神經(jīng)網(wǎng)絡(luò)框架
第四部分 Keras理論介紹最佳實戰(zhàn) (3h)
1. Keras神經(jīng)網(wǎng)絡(luò)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(luò)原理及應(yīng)用
6. 模塊結(jié)構(gòu)分析與優(yōu)化策略
7. 采用Keras重構(gòu)TensorFlow項目

第三天下午
Open CV計算機視覺技術(shù)
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(zhuǎn)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(luò)識別人臉
7. 測試與調(diào)優(yōu)操作
8. 基于Open CV DNN 構(gòu)建車輛與車牌檢查模型

授課專家
覃老師  上海大學物理學碩士，創(chuàng)業(yè)公司合伙人，技術(shù)總監(jiān)。機器學習，深度學習領(lǐng)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(guān)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。

劉老師  西安郵電學院計算機科學與技術(shù)本科專業(yè)，擁有著10多年軟件研發(fā)經(jīng)驗，5年企業(yè)培訓經(jīng)驗，對Java、Python、區(qū)塊鏈等技術(shù)領(lǐng)域有獨特的研究，精通J2EE企業(yè)級開發(fā)技術(shù)。Java方向：設(shè)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(shù)。區(qū)塊鏈方向：BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。

更多Python＋機器學習與深度學習實戰(zhàn)相關(guān)課程：