第一天
一、python基础学习 1.python基础学习
2.科学计算包numpy使用学习
3.绘图工具包matplotlib学习
二、人工智能与机器学习基础 1.人工智能概述
2.机器学习概述
3.机器学习算法应用分析
三、回归算法 1.一元线性回归
2.代价函数
3.梯度下降法
4.sklearn一元线性回归应用
5.多元线性回归
6.sklearn多元线性回归应用
案例:葡萄酒质量和时间的关系
四、KNN分类算法 1.KNN分类算法介绍 2.KNN分类算法应用 3.KNN实现
案例:鸢尾花分类
五、决策树算法 1.决策树算法介绍
2.熵的定义
3.决策树算法与应用实现
案例:用户购买行为预测
六、集成算法与随机森林 1.Bagging算法介绍
2.随机森林建模方法
3.Adaboost算法介绍
4.stack算法介绍
七、K-means聚类算法 1.K-means算法介绍
2.K-means算法应用
3.K-means算法实际应用案例
案例:NBA球队实力聚类分析
第二天
八、支持向量机 1.SVM算法介绍
案例:SVM完成人脸识别应用
九、泰坦尼克号获救预测案例 1.缺失值填
2.特征筛选
3.案例实战
十、深度学习基础-神经网络介绍 1.人工神经网络发展史
2.单层感知器
3.激活函数,损失函数和梯度下降法
4.BP算法介绍
案例:BP算法解决手写数字识别问题
十一、Tensorflow基础应用 1.Tensorflow安装
2.Tensorlfow基础知识:图,变量,fetch,feed
3.Tensorflow线性回归
4.Tensorflow非线性回归
5.Mnist数据集合Softmax讲解
6.使用BP神经网络搭建手写数字识别
7.交叉熵(cross-entropy)讲解和使用
8.过拟合,正则化,Dropout
9.各种优化器Optimizer
第三天
十二、卷积神经网络CNN应用 1.CNN卷积神经网络
2.卷积层、池化层(均值池化、最大池化)
3.CNN手写数字案例
十三、长短时记忆网络LSTM应用 1.RNN循环神经网络
2.长短时记忆网络LSTM
3.LSTM应用案例
十四、Google图像识别模型inception-v3项目实战 1.使用训练好的inception-v3完成图像识别
2.用自己收集的数据训练图像识别模型
3.使用迁移学习完成图像分类
十五、自然语言处理项目实战 1.自然语言处理项目介绍
2.word2vec介绍
3.用CNN训练一个新的文本分类模型
4.用LSTM训练一个新的文本分类模型
十六、目标检测项目实战 1.目标检测项目简介
2.R-CNN模型详解
3.SPPNET模型详解
4.Fast-RCNN模型详解
5.Faster-RCNN模型详解
6.Tensorflow实现Faster-RCNN目标检测
7.测试目标检测模型效果、目标检测算法标签标注
十 七、辅助课程
1.针对学员面对的实践问题展开讨论、方案建议。
2.建立QQ群、微信群(课后免费技术指导)
3.配备参考书和深度学习开发教材,便于课后逐步提高能力。
联系人:刘浩楠 手机同微信 :18311050656
QQ咨询:1549935216