• 搜素结果

 / 

实战机器学习与深度学习

B.L

中国科学院
副研究员
251
1512
536
实战机器学习与深度学习
推荐课程
暂无评分
推荐课程
暂无评分
¥

每人

课程时长

课程排期

如您想参加此课程,您可以点击“我想参加”按钮提交您的需求,我们会及时与您联系

地点: 该课程暂无排期
没有地点信息
将课程带入到您的团队,为您的团队进行一对一辅导。
预约内训

课程详细[html版]

课程信息

课程强调动手操作;内容以代码落地为主,以理论讲解为根,以公式推导为辅。共4天8节,每节各3~3.5小时,讲解机器学习和深度学习的模型理论和代码实践,梳理机器学习、深度学习、计算机视觉的技术框架,从根本上解决如何使用模型、优化模型的问题;每次课中,首先阐述算法理论和少量公式推导,然后使用真实数据做数据挖掘、机器学习、深度学习的数据分析、特征选择、调参和结果比较。

培训特色

课程重视代码实践,使用金融、气象、农业、交通、安防等工业界实际数据(数据已脱敏)进行机器学习模型的落地应用。虽然课程坚持推导公式,但更重视机器学习和深度学习的原理与实操;将实际工作中遇到的行业应用和痛点做最直观切实的展示;重视算法模型的同时,更强调实际问题中应该如何模型选择、特征选择和调参。
讲授者在中科院做科研,同时在多家企业任职首席或顾问,有丰富的工业经验,能够保证听者尽快了解数据挖掘、机器学习、深度学习的本质和实践应用。

目标收益

通过课程学习,可以理解机器学习的思维方式和关键技术;了解深度学习和机器学习在当前工业界的落地应用;能够根据数据分布选择合适的算法模型并书写代码,初步胜任使用Python进行数据挖掘、机器学习、深度学习等工作。

课程大纲

主题 内容

第一节:Python与TensorFlow

解释器Python2.7/3.6与IDE:Anaconda/Pycharm
列表/元组/字典/类/文件
numpy/scipy/matplotlib/panda的介绍和典型使用
scikit-learn的介绍和典型使用
TensorFlow典型应用
典型图像处理
多种数学曲线
多项式拟合
快速傅里叶变换FFT
奇异值分解SVD
Soble/Prewitt/Laplacian算子与卷积网络

代码和案例实践

卷积与(指数)移动平均线
股票数据分析
缺失数据的处理
环境数据异常检测和分析

第二节:分类回归与优化

线性回归
Logistic/Softmax回归
广义线性回归
L1/L2正则化
Ridge与LASSO
Elastic Net
梯度下降算法:BGD与SGD
特征选择与过拟合
Softmax回归的概念源头
最大熵模型
K-L散度

代码和案例实践

1.股票数据的特征提取和应用
2.泰坦尼克号乘客缺失数据处理和存活率预测
3.环境检测数据异常分析和预测
4.模糊数据查询和数据校正方法
5.PCA与鸢尾花数据分类
6.二手车数据特征选择与算法模型比较
7.广告投入与销售额回归分析
8.鸢尾花数据集的分类
9.TensorFlow实现线性回归
10.TensorFlow实现Logistic回归

第三节:卷积神经网络CNN

神经网络结构,滤波器,卷积
池化,激活函数,反向传播
目标分类与识别、目标检测与追踪
经典AlexNet、VGG、GoogleLeNet
Inception

代码和案例实践

搭建自己的卷积神经网络
基于CNN的图像识别
卷积神经网络调参经验分享

第四节:图像视频的定位与识别

ResNet、DenseNet
视频关键帧处理
物体检测与定位
RCNN,Fast-RCNN,Faster-RCNN,MaskRCNN
YOLO
FaceNet

代码和案例实践

迁移学习(Transfer Learning)
人脸检测
OCR字体定位和识别
睿客识云
气象识别

第五节:循环神经网络RNN

RNN基本原理
LSTM、GRU
Attention
编码器与解码器结构
特征提取:word2vec
Seq2seq模型

代码和案例实践

图片标注与图片问答
搭配CNN使用,组成CNN+LSTM模型
Bi-LSTM双向循环神经网络结构
循环神经网络调参经验分享

第六节:自然语言处理

语言模型Bi-Gram/Tri-Gram/N-Gram
分词
词性标注
依存句法分析
语义关系抽取
词向量
文本分类
机器翻译
文本摘要
阅读理解
问答系统
情感分析

代码和案例实践

输入法设计
HMM分词
文本摘要的生成
智能对话系统和SeqSeq模型
阅读理解的实现与Attention

第七节:生成对抗网络GAN

生成与判别
生成模型:贝叶斯、HMM到深度生成模型
GAN对抗生成神经网络
DCGAN
Conditional GAN
InfoGan
Wasserstein GAN

代码和案例实践

图片生成
看图说话
对抗生成神经网络调参经验分享

第八节:增强学习RL

为何使用增强学习
马尔科夫决策过程
贝尔曼方程、最优策略
策略迭代、值迭代
Q Learning
SarsaLamda
DQN
A3C
ELF

代码和案例实践

飞翔的小鸟游戏
基于增强学习的游戏学习
DQN的实现

第一节:Python与TensorFlow

解释器Python2.7/3.6与IDE:Anaconda/Pycharm
列表/元组/字典/类/文件
numpy/scipy/matplotlib/panda的介绍和典型使用
scikit-learn的介绍和典型使用
TensorFlow典型应用
典型图像处理
多种数学曲线
多项式拟合
快速傅里叶变换FFT
奇异值分解SVD
Soble/Prewitt/Laplacian算子与卷积网络

代码和案例实践

卷积与(指数)移动平均线
股票数据分析
缺失数据的处理
环境数据异常检测和分析

第二节:分类回归与优化

线性回归
Logistic/Softmax回归
广义线性回归
L1/L2正则化
Ridge与LASSO
Elastic Net
梯度下降算法:BGD与SGD
特征选择与过拟合
Softmax回归的概念源头
最大熵模型
K-L散度

代码和案例实践

1.股票数据的特征提取和应用
2.泰坦尼克号乘客缺失数据处理和存活率预测
3.环境检测数据异常分析和预测
4.模糊数据查询和数据校正方法
5.PCA与鸢尾花数据分类
6.二手车数据特征选择与算法模型比较
7.广告投入与销售额回归分析
8.鸢尾花数据集的分类
9.TensorFlow实现线性回归
10.TensorFlow实现Logistic回归

第三节:卷积神经网络CNN

神经网络结构,滤波器,卷积
池化,激活函数,反向传播
目标分类与识别、目标检测与追踪
经典AlexNet、VGG、GoogleLeNet
Inception

代码和案例实践

搭建自己的卷积神经网络
基于CNN的图像识别
卷积神经网络调参经验分享

第四节:图像视频的定位与识别

ResNet、DenseNet
视频关键帧处理
物体检测与定位
RCNN,Fast-RCNN,Faster-RCNN,MaskRCNN
YOLO
FaceNet

代码和案例实践

迁移学习(Transfer Learning)
人脸检测
OCR字体定位和识别
睿客识云
气象识别

第五节:循环神经网络RNN

RNN基本原理
LSTM、GRU
Attention
编码器与解码器结构
特征提取:word2vec
Seq2seq模型

代码和案例实践

图片标注与图片问答
搭配CNN使用,组成CNN+LSTM模型
Bi-LSTM双向循环神经网络结构
循环神经网络调参经验分享

第六节:自然语言处理

语言模型Bi-Gram/Tri-Gram/N-Gram
分词
词性标注
依存句法分析
语义关系抽取
词向量
文本分类
机器翻译
文本摘要
阅读理解
问答系统
情感分析

代码和案例实践

输入法设计
HMM分词
文本摘要的生成
智能对话系统和SeqSeq模型
阅读理解的实现与Attention

第七节:生成对抗网络GAN

生成与判别
生成模型:贝叶斯、HMM到深度生成模型
GAN对抗生成神经网络
DCGAN
Conditional GAN
InfoGan
Wasserstein GAN

代码和案例实践

图片生成
看图说话
对抗生成神经网络调参经验分享

第八节:增强学习RL

为何使用增强学习
马尔科夫决策过程
贝尔曼方程、最优策略
策略迭代、值迭代
Q Learning
SarsaLamda
DQN
A3C
ELF

代码和案例实践

飞翔的小鸟游戏
基于增强学习的游戏学习
DQN的实现

+加载更多
Donec quam felis

Thousand unknown plants are noticed by me: when I hear the buzz of the little world among the stalks, and grow familiar with the countless indescribable forms of the insects and flies, then I feel the presence of the Almighty, who formed us in his own image, and the breath

I am alone, and feel the charm of existence in this spot, which was created for the bliss of souls like mine. I am so happy, my dear friend, so absorbed in the exquisite sense of mere tranquil existence, that I neglect my talents. I should be incapable of drawing a single stroke at the present moment; and yet.

+加载更多

近期公开课推荐

31
三月
上海
卓越软件设计匠艺

1、全真案例,借助案例与设计模式知识的原理…

31
三月
广东
从零搭建用户增长体系

人人都在谈增长,究竟哪些因素影响用户增长…

31
三月
北京
项目管理最佳实践

让大家对于项目管理有个明确清晰的认识,知…

31
三月
北京
创新设计思维工作坊

你想推出新的产品与服务,却不知道该从何开…

31
三月
北京
机器学习(深度学习)算法和应用

机器学习(深度学习)算法和应用

31
三月
上海
技术管理者训练营

“猛将必发于卒伍,宰相必起于州郡”,软件…

课程反馈

当前课程还没有反馈信息

用户还看了其他课程

多项目管理

多项目管理

4118人看过
0人评价
大数据 Spark案例实践(2Day)

大数据 Spark案例实践(2Day)

7530人看过
0人评价

欢迎来到msup!

还不是msup会员?快来注册吧!

立即注册

服务热线

400-812-8020

market@msup.com.cn

官方微信公众号

微信公众号:msupclub

Copyright © 2017 msup

京ICP备09001521号