《Python+機(jī)器算法深度學(xué)習(xí)實(shí)戰(zhàn) 培訓(xùn)班》課程詳情
點(diǎn)擊下載課大綱及報(bào)名表 課程特色
本次培訓(xùn)從實(shí)戰(zhàn)的角度對(duì)深度學(xué)習(xí)技術(shù)進(jìn)行了全面的剖析，并結(jié)合實(shí)際案例分析和探討深度學(xué)習(xí)的應(yīng)用場(chǎng)景，給深度學(xué)習(xí)相關(guān)從業(yè)人員以指導(dǎo)和啟迪。

機(jī)器學(xué)習(xí)簡(jiǎn)介
回歸算法理論與實(shí)戰(zhàn)：
1.一元線性回歸
2.代價(jià)函數(shù)
3.梯度下降法
4.使用梯度下降法實(shí)現(xiàn)一元線性回歸
5.標(biāo)準(zhǔn)方程法
6.使用sklearn實(shí)現(xiàn)一元線性回歸
7.多元線性回歸
8.使用sklearn實(shí)現(xiàn)多元線性回歸
9.特征縮放，交叉驗(yàn)證法
10.過(guò)擬合正則化
11.嶺回歸
12.sklearn實(shí)現(xiàn)嶺回歸
13.LASSO回歸
14.sklearn實(shí)現(xiàn)LASSO回歸


決策樹(shù)算法理論與實(shí)戰(zhàn)
15.決策樹(shù)-信息熵,ID3,C4.5算法介紹
16.sklearn實(shí)現(xiàn)決策樹(shù)
17.決策樹(shù)-CART算法
18.決策樹(shù)應(yīng)用


集成學(xué)習(xí)算法理論與實(shí)戰(zhàn)
19.Bagging介紹與使用
20.隨機(jī)森林介紹與使用
21.Adaboost介紹與使用
22.Stacking和Voting介紹與使用


泰坦尼克號(hào)獲救人員預(yù)測(cè)項(xiàng)目


KNN算法和決策樹(shù)算法理論與實(shí)戰(zhàn)
1.KNN算法介紹
2.python實(shí)現(xiàn)knn算法
3.sklearn實(shí)現(xiàn)knn算法完成iris數(shù)據(jù)集分類(lèi)


聚類(lèi)算法理論與實(shí)戰(zhàn)
4.k-means算法原理
5.k-means算法實(shí)現(xiàn)
6.DBSCAN算法原理
7.DBSCAN算法實(shí)現(xiàn)


神經(jīng)網(wǎng)絡(luò)算法
8.神經(jīng)網(wǎng)絡(luò)基本原理
9.單層感知器程序
10.線性神經(jīng)網(wǎng)絡(luò)
11.激活函數(shù)，損失函數(shù)和梯度下降法
12.線性神經(jīng)網(wǎng)絡(luò)異或問(wèn)題
13.BP神經(jīng)網(wǎng)絡(luò)介紹
14.BP算法推導(dǎo)
15.BP神經(jīng)網(wǎng)絡(luò)解決異或問(wèn)題
16.BP算法完成手寫(xiě)數(shù)字識(shí)別
16.sklearn-BP神經(jīng)網(wǎng)絡(luò)解決手寫(xiě)數(shù)字識(shí)別
17.GOOGLE神經(jīng)網(wǎng)絡(luò)平臺(tái)


特征工程貸款拖欠預(yù)測(cè)項(xiàng)目
用戶流失預(yù)測(cè)項(xiàng)目


Tensorflow2.0（一）
1.深度學(xué)習(xí)框架介紹
2.Tensorflow安裝
3.Tensorlfow基礎(chǔ)知識(shí)：圖，變量，fetch，feed
4.Tensorflow線性回歸
5.Tensorflow非線性回歸
6.Mnist數(shù)據(jù)集合Softmax講解
7.使用BP神經(jīng)網(wǎng)絡(luò)搭建手寫(xiě)數(shù)字識(shí)別
8.交叉熵(cross-entropy)講解和使用


圖像識(shí)別項(xiàng)目
1.介紹Google圖像識(shí)別模型Inception-v3
2.使用Inception-v3做圖像識(shí)別


圖像識(shí)別項(xiàng)目
3.訓(xùn)練自己的圖像識(shí)別模型


驗(yàn)證碼識(shí)別項(xiàng)目
4.多任務(wù)學(xué)習(xí)介紹
5.生存驗(yàn)證碼圖片
6.構(gòu)建驗(yàn)證碼識(shí)別模型


Kease 最佳實(shí)踐
1. 安裝和配置Keras,API
2. 回調(diào)函數(shù)與自定義訓(xùn)練過(guò)程
3. 深度神經(jīng)網(wǎng)絡(luò)DCNN實(shí)現(xiàn)
4. 采用深度學(xué)習(xí)算法識(shí)別CIFRA-10圖片
5. 調(diào)節(jié)參數(shù)來(lái)改善性能


業(yè)內(nèi)經(jīng)驗(yàn)交流

《Python+機(jī)器算法深度學(xué)習(xí)實(shí)戰(zhàn) 培訓(xùn)班》課程目的
課程中通過(guò)細(xì)致講解，使學(xué)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(shí)戰(zhàn)；
2.決策樹(shù)算法理論與實(shí)戰(zhàn)；
3.集成學(xué)習(xí)算法理論與實(shí)戰(zhàn)；
4.KNN算法和決策樹(shù)算法理論與實(shí)戰(zhàn)；
5.聚類(lèi)算法理論與實(shí)戰(zhàn)；
6.神經(jīng)網(wǎng)絡(luò)算法；
7.Tensorflow；
8.生成式對(duì)抗網(wǎng)絡(luò)GANs。

《Python+機(jī)器算法深度學(xué)習(xí)實(shí)戰(zhàn) 培訓(xùn)班》所屬分類(lèi)
特色課程

《Python+機(jī)器算法深度學(xué)習(xí)實(shí)戰(zhàn) 培訓(xùn)班》所屬專(zhuān)題
學(xué)習(xí)型組織構(gòu)建與發(fā)展培訓(xùn)、

《Python+機(jī)器算法深度學(xué)習(xí)實(shí)戰(zhàn) 培訓(xùn)班》授課培訓(xùn)師簡(jiǎn)介

《Python+機(jī)器算法深度學(xué)習(xí)實(shí)戰(zhàn) 培訓(xùn)班》報(bào)名服務(wù)流程

-----------------------------------------------------------------------------------