有效期至长期有效 | 最后更新2019-09-22 22:55 |
浏览次数1 |
python+人工智能
课程大纲
时间 课程模块 课程内容
第一天
上午 第一模块:Python必备库快速入门 1. Python语言基础快速入门
2. 科学计算库Numpy
3. 数据分析处理库Pandas
4. 可视化库Matplotlib
人工智能必备Python基础,快速掌握语言风格与常用库使用方法。
第一天下午 第二模块:机器学习经典算法(一) 1. 线性回归
2. 逻辑回归
3. 决策树
4. 随机森林
5. 支持向量机
第二天
上午 第二模块:机器学习经典算法(二) 6. Xgboost
7. 聚类
8. 神经网络
9. PCA与SVD
10. 词向量模型Word2vec
机器学习必备经典算法原理推导,实例阐述机器学习算法工作原理与应用场景。
第二天
下午 第三模块:机器学习案例实战 1. 科比职业生涯数据
2. 泰坦尼克号船员获救预测
3. 信用卡欺诈检测
4. 鸢尾花数据集分类
5. Mnist手写字体识别
6. 员工离职与股价预测
基于真实数据集,使用scikit-learn库进行建模与评估工作,从零开始,代码实战。
第三天
上午 第四模块:决胜AI深度学习必备原理 1. 深度学习发展与应用
2. 神经网络必备基础
3. 神经网络架构
4. 卷积神经网络详解
5. 神经网络技巧与细节
6. 强化学习原理与实践
从神经网络基础知识点入手,分模块讲解神经网络细节,由浅入深过渡到深层的卷积神经网络,技巧与细节分析。
第三天
下午 第五模块:深度学习必备框架 1. Tensorflow基础操作
2. Tensorflow建立机器学习模型
3. Tensorflow神经网络详解
4. 基于Tensorflow的CNN与RNN模型
5. Caffe框架配置参数详解
6. Caffe两种常用数据源制作
7. Caffe技巧与应用
深度学习两大神器Caffe与Tensorflow实战,代码示例演示如何应用框架进行深度学习建模任务。
第四天上午 第六模块:深度学习项目实战(一) 1. 验证码识别(基于Tensorflow)
2. 文本分类(基于Tensorflow)
3. 图像风格转换(基于Tensorflow)
第四天下午 深度学习项目实战(二) 4. 词向量模型Word2vec(基于Tensorflow)
5. 强化学习让AI自己玩游戏(基于Tensorflow)
6. 人脸检测(基于Caffe)
7. 人脸关键点定位(基于Caffe)
基于深度学习框架Tensorflow与Caffe从数据源制作开始进行数据预处理与网络模型训练,完整演示如何应用深度学习到实际任务中。
第五天 学习考核与业内经验交流