35-机器学习与深度学习实战 - 中培教育.docxVIP

关于举办机器学习与深度学习实战培训班的通知 培训地点 北京 深圳 培训时间 11月 16-20 12月 15-19 培训收益 课程中通过细致讲解，使学员掌握该技术的本质。具体收益包括： 1. 回归算法理论与实战； 2. 决策树算法理论与实战； 3. 集成学习算法理论与实战； 4. KNN算法和决策树算法理论与实战； 5. 聚类算法理论与实战； 6. 神经网络算法； 7.Tensorflow； 8. 生成式对抗网络GANs。 培训特色 本次培训从实战的角度对深度学习技术进行了全面的剖析，并结合实际案例分析和探讨深度学习的应用场景，给深度学习相关从业人员以指导和启迪。 日程安排 日程 培训模块 培训内容 第一天 上午 机器学习简介 回归算法理论与实战： 1.一元线性回归 2.代价函数 3.梯度下降法 4.使用梯度下降法实现一元线性回归 5.标准方程法 6.使用sklearn实现一元线性回归 7.多元线性回归 8.使用sklearn实现多元线性回归 9.特征缩放，交叉验证法 10.过拟合正则化 11.岭回归 12.sklearn实现岭回归 13.LASSO回归 14.sklearn实现LASSO回归 第一天 下午 决策树算法理论与实战 15.决策树-信息熵,ID3,C4.5算法介绍 16.sklearn实现决策树 17.决策树-CART算法 18.决策树应用 集成学习算法理论与实战 19.Bagging介绍与使用 20.随机森林介绍与使用 21.Adaboost介绍与使用 22.Stacking和Voting介绍与使用 泰坦尼克号获救人员预测项目 第二天 上午 KNN算法和决策树算法理论与实战 1.KNN算法介绍 2.python实现knn算法 3.sklearn实现knn算法完成iris数据集分类 聚类算法理论与实战 4.k-means算法原理 5.k-means算法实现 6.DBSCAN算法原理 7.DBSCAN算法实现 第二天 下午 神经网络算法 8.神经网络基本原理 9.单层感知器程序 10.线性神经网络 11.激活函数，损失函数和梯度下降法 12.线性神经网络异或问题 13.BP神经网络介绍 14.BP算法推导 15.BP神经网络解决异或问题 16.BP算法完成手写数字识别 16.sklearn-BP神经网络解决手写数字识别 17.GOOGLE神经网络平台 特征工程贷款拖欠预测项目 用户流失预测项目 第三天 上午 Tensorflow（一） 1.深度学习框架介绍 2.Tensorflow安装 3.Tensorlfow基础知识：图，变量，fetch，feed 4.Tensorflow线性回归 5.Tensorflow非线性回归 6.Mnist数据集合Softmax讲解 7.使用BP神经网络搭建手写数字识别 8.交叉熵(cross-entropy)讲解和使用 第三天 下午 Tensorflow（二） 9.过拟合,正则化,Dropout 10.各种优化器Optimizer 11.改进手写数字识别网络 12.卷积神经网络CNN的介绍 13.使用CNN解决手写数字识别 14.长短时记忆网络LSTM介绍 15.LSTM的使用 16.模型保存与载入 第四天 上午 图像识别项目 1.介绍Google图像识别模型Inception-v3 2.使用Inception-v3做图像识别 图像识别项目 3.训练自己的图像识别模型 验证码识别项目 4.多任务学习介绍 5.生存验证码图片 6.构建验证码识别模型 第四天 下午 文本分类项目 7.文本分类任务介绍 8.word2vec介绍 9.使用CNN完成文本分类 10.使用LSTM完成文本分类 生成式对抗网络GANs 11.GANs介绍 12.使用tensorflow完成GANs 第五天 业内经验交流 授课专家 覃老师 上海大学物理学硕士，创业公司合伙人，技术总监。机器学习，深度学习领域多年一线开发研究经验，精通算法原理与编程实践。曾使用Tensorflow，Caffe，Keras等深度学习框架完成过多项图像，语音，nlp，搜索相关的人工智能实际项目，研发经验丰富。拥有两项国家专利。同时具有多年授课培训经验，讲课通熟易懂，代码风格简洁清晰。 杨老师 计算机博士，目前就职于中科院某研究所，长期从事深度学习与机器学习研究工作，在NLP与CV领域有很深造诣，主持多项科技专项，并带领团队深入一线研发并落地，XXX视频监控与分析系统、XXX舆情监