课程费用

5800.00 /人

课程时长

2

成为教练

课程简介

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。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。

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。

培训对象

具备一定的Python和深度学习基础,希望深入了解深度学习的目标检测、实体识别、关系抽取、GAN、时间序列分析、强化学习等实用化技术的光大工程技术人员。

课程大纲

第一节:Python机器学习与TensorFlow numpy/scipy/matplotlib/panda的介绍和典型使用
scikit-learn的介绍和典型使用
多元线性回归
Logistics回归与Softmax回归
决策树和随机森林
SVM
多种聚类的原理和调参
TensorFlow典型应用
典型图像处理
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: 股票交易数据的 (指数)移动平均线与预测
无人机图像的风机叶片缺陷检测和识别系统
环保检测数据异常检测和分析
股票数据分析
社会学人群收入预测
葡萄酒数据集的决策树/随机森林分类
泰坦尼克乘客存活率估计
第二节: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
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: 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
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
第三节:循环神经网络RNN RNN基本原理
LSTM、GRU
Attention
编码器与解码器结构
言特征提取:word2vec
Seq2seq模型
代码和案例实践: 看图说话
视频理解
藏头诗生成
问答对话系统
循环神经网络调参经验分享
第四节:生成对抗网络GAN与增强学习RL 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
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
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
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机器学习与TensorFlow
numpy/scipy/matplotlib/panda的介绍和典型使用
scikit-learn的介绍和典型使用
多元线性回归
Logistics回归与Softmax回归
决策树和随机森林
SVM
多种聚类的原理和调参
TensorFlow典型应用
典型图像处理
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:
股票交易数据的 (指数)移动平均线与预测
无人机图像的风机叶片缺陷检测和识别系统
环保检测数据异常检测和分析
股票数据分析
社会学人群收入预测
葡萄酒数据集的决策树/随机森林分类
泰坦尼克乘客存活率估计
第二节: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
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:
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
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
第三节:循环神经网络RNN
RNN基本原理
LSTM、GRU
Attention
编码器与解码器结构
言特征提取:word2vec
Seq2seq模型
代码和案例实践:
看图说话
视频理解
藏头诗生成
问答对话系统
循环神经网络调参经验分享
第四节:生成对抗网络GAN与增强学习RL
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
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
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
飞翔的小鸟游戏
基于增强学习的游戏学习
DQN的实现

课程费用

5800.00 /人

课程时长

2

预约体验票 我要分享

近期公开课推荐

近期公开课推荐

提交需求