課程簡介
機器學習是專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為,以獲取新的知識或技能,重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。
它是人工智能的核心,是使計算機具有智能的根本途徑,其應用遍及人工智能的各個領(lǐng)域,它主要使用歸納、綜合而不是演繹。
Python-機器學習、深度學習與計算機圖像處理技術(shù)實戰(zhàn)培訓收益
課程中通過細致講解,使學員掌握該技術(shù)的本質(zhì)。具體收益包括:
1. 回歸算法理論與實戰(zhàn)
2. 決策樹算法理論與實戰(zhàn)
3. 集成學習算法理論與實戰(zhàn)
4. 聚類算法理論與實戰(zhàn)
5. 神經(jīng)網(wǎng)絡算法
6. Tensorflow DNN CNN構(gòu)建
7. 基于OpenCV計算機視覺識別
8. YOLO目標識別框架
9. 從0到1完成知識圖譜構(gòu)建。
Python-機器學習、深度學習與計算機圖像處理技術(shù)實戰(zhàn) 培訓特色
本次培訓從實戰(zhàn)的角度對深度學習技術(shù)進行了全面的剖析,并結(jié)合實際案例分析和探討深度學習的應用場景,給深度學習相關(guān)從業(yè)人員以指導和啟迪。
Python-機器學習、深度學習與計算機圖像處理技術(shù)實戰(zhàn)日程安排
日程 |
培訓模塊 |
培訓內(nèi)容 |
第一天 上午 |
機器學習與線性回歸算法 |
線性回歸實現(xiàn)銷售數(shù)據(jù)預測 (3h) 1. 線性回歸介紹與公式推導 2. 多變量線性歸回與梯度下降 3. 預測銷量與廣告投放相關(guān)性預測 4. 數(shù)據(jù)升維與PCA降維 5. 數(shù)據(jù)歸一化與模型優(yōu)化 6. 欠擬合與過擬合 7. 訓練結(jié)果的可視化 8. 保存模型與再加載 |
第一天 下午 |
邏輯回歸與決策樹實戰(zhàn) |
邏輯回歸之信用卡反欺詐預測 (1.5h) 1. 項目背景與需求分析 2. 特征工程之標準化 3. 基本預處理操作 4. 上采樣與下采樣 5. 混淆矩陣可視化函數(shù) 6. 模型的訓練與準確率,精確率,召回率 |
決策樹、集成學習識別銀行高風險貸款 (1.5h) 1. 信息增益與算法原理介紹 2. 數(shù)據(jù)分析、特征工程 3. 模型訓練與優(yōu)化參數(shù) 4. 隨機森林、正向激勵算法 5. 采用決策樹識別高風險貸款 |
||
第二天 上午 |
Tensorflow2.3 神經(jīng)網(wǎng)絡 |
深度學習與深度神經(jīng)網(wǎng)絡實踐 (1.5h) 1. Tensorflow安裝 2. Tensorlfow基礎(chǔ)知識 3. Tensorflow線性回歸 4. Tensorflow非線性回歸 5. Mnist數(shù)據(jù)集合Softmax講解 6. 使用BP神經(jīng)網(wǎng)絡搭建手寫數(shù)字識別 7. 交叉熵(cross-entropy)講解和使用 8. 過擬合,正則化,Dropout 9. 各種優(yōu)化器Optimizer 10. 改進手寫數(shù)字識別網(wǎng)絡 11. 模型保存與載入 |
第二天 下午 |
深度學習之卷積神經(jīng)網(wǎng)絡 |
CIFAR圖形圖像識別項目 (3h) 1. CIFAR項目需求介紹 2. 分析愛data_batch數(shù)據(jù)集 3. CNN卷積神經(jīng)網(wǎng)絡介紹 4. 卷積、深度、池化、步長、激活函數(shù) 采用CNN完成CIFAR物體分類 1. 人臉識別數(shù)據(jù)集與算法介紹 2. 模型結(jié)構(gòu)設計 3. 人臉損失函數(shù)設計 4. 模型與參數(shù)調(diào)優(yōu) |
第三天 上午
|
Keras 神經(jīng)網(wǎng)絡框架 |
Keras理論介紹最佳實戰(zhàn) (3h) 1. Keras神經(jīng)網(wǎng)絡框架介紹 2. 基于Keras情感類分析 3. 動物分類器實現(xiàn) 4. 采用Keras實現(xiàn)非線性回歸 5. 生成式對抗神經(jīng)網(wǎng)絡原理及應用 6. 模塊結(jié)構(gòu)分析與優(yōu)化策略 7. 采用Keras重構(gòu)TensorFlow項目 |
第三天 下午 |
Open CV計算機視覺技術(shù) |
OpenCV的人臉識別 (3h) 1. OpenVINO框架介紹與安裝測試 2. OpenCV DNN中使用IE模塊加速 3. 轉(zhuǎn)化工具與IE模塊加速 4. 準備人臉數(shù)據(jù) 5. CV掃描圖像、平滑、擴張實現(xiàn) 6. DNN神經(jīng)網(wǎng)絡識別人臉 7. 測試與調(diào)優(yōu)操作 8. 基于Open CV DNN 構(gòu)建車輛與車牌檢查模型 |
第四天 上午 |
YOYO目標識別框架技術(shù) |
YOYO目標識別框架介紹 (3h) 1. 標檢測任務介紹 2. RCNN/Fast-RCNN/Faster-RCNN算法介紹 3. YOLO算法介紹 4. 目標分割任務介紹 5. 全卷積網(wǎng)絡 6. 雙線性上采樣 7. 特征金字塔 8. Mask RCNN算法介紹 9. 目標分割項目實戰(zhàn) |
第四天 下午 |
圖數(shù)據(jù)庫與構(gòu)建知識圖譜 |
知識表示與建模 (1.5h) 1. 知識圖譜核心技術(shù):知識推理 2. 知識圖譜應用場景與抽取概述介紹 3. 本體知識推理與任務分類 4. 實體與關(guān)系、事件抽取技術(shù) 5. 采用TxtCnn、CRF完成知識抽取 6. 采用RNN、LSTM完成知識抽取 |
知識存儲與問答機器人構(gòu)建 (1.5h) 1. 知識存儲neo4j常用數(shù)據(jù)庫 2. Cyhper語言介紹 3. 采用Py操作Neo4j數(shù)據(jù)庫 4. 基于知識圖譜問答機器人構(gòu)建 |
Python-機器學習、深度學習與計算機圖像處理技術(shù)實戰(zhàn)培訓費用
線下面授培訓費8800元/人(含培訓費、場地費、資料費、學習期間午餐以及錄播視頻回放一年)食宿可統(tǒng)一安排,費用自理。
網(wǎng)絡直播培訓費:7800元/人(含培訓費、平臺費、資料費以及直播視頻回放一年)。