Python+機(jī)器學(xué)習(xí)與深度學(xué)習(xí)實(shí)戰(zhàn) 培訓(xùn)班

一、    培訓(xùn)收益
課程中通過細(xì)致講解，使學(xué)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(shí)戰(zhàn)；
2.決策樹算法理論與實(shí)戰(zhàn)；
3.集成學(xué)習(xí)算法理論與實(shí)戰(zhàn)；
4.KNN算法和決策樹算法理論與實(shí)戰(zhàn)；
5.聚類算法理論與實(shí)戰(zhàn)；
6.神經(jīng)網(wǎng)絡(luò)算法；
7.Tensorflow；
8.生成式對(duì)抗網(wǎng)絡(luò)GANs。
二、    培訓(xùn)特色
本次培訓(xùn)從實(shí)戰(zhàn)的角度對(duì)深度學(xué)習(xí)技術(shù)進(jìn)行了全面的剖析，并結(jié)合實(shí)際案例分析和探討深度學(xué)習(xí)的應(yīng)用場(chǎng)景，給深度學(xué)習(xí)相關(guān)從業(yè)人員以指導(dǎo)和啟迪。
三、    日程安排

日程	培訓(xùn)模塊	培訓(xùn)內(nèi)容
第一天 上午	機(jī)器學(xué)習(xí)與線性回歸算法	線性回歸實(shí)現(xiàn)銷售數(shù)據(jù)預(yù)測(cè) (3h) 1.   線性回歸介紹與公式推導(dǎo) 2.   多變量線性歸回與梯度下降 3.   線性回歸預(yù)測(cè)銷售數(shù)據(jù) 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(xùn)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(shí)戰(zhàn)	邏輯回歸之信用卡反欺詐預(yù)測(cè)(1.5h) 1.   項(xiàng)目背景與需求分析 2.   特征工程之標(biāo)準(zhǔn)化 3.   基本預(yù)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(xùn)練與準(zhǔn)確率,精確率,召回率
		決策樹、集成學(xué)習(xí)識(shí)別銀行高風(fēng)險(xiǎn)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(xùn)練與優(yōu)化參數(shù) 4.  隨機(jī)森林、正向激勵(lì)算法 5.  采用決策樹識(shí)別高風(fēng)險(xiǎn)貸款
第二天 上午	Tensorflow2.3 神經(jīng)網(wǎng)絡(luò)	深度學(xué)習(xí)與深度神經(jīng)網(wǎng)絡(luò)實(shí)踐 (1.5h) 1.   Tensorflow安裝 2.   Tensorlfow基礎(chǔ)知識(shí) 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(luò)搭建手寫數(shù)字識(shí)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(jìn)手寫數(shù)字識(shí)別網(wǎng)絡(luò) 11.模型保存與載入
第二天 下午	深度學(xué)習(xí)之卷積神經(jīng)網(wǎng)絡(luò)	CIFAR圖形圖像識(shí)別項(xiàng)目 (3h) 1.  CIFAR項(xiàng)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(luò)介紹 4.  卷積、深度、池化、步長(zhǎng)、激活函數(shù) 采用CNN完成CIFAR物體分類 1.  人臉識(shí)別數(shù)據(jù)集與算法介紹 2.  模型結(jié)構(gòu)設(shè)計(jì) 3.  人臉損失函數(shù)設(shè)計(jì) 4.  模型與參數(shù)調(diào)優(yōu)
第三天 上午	Keras 神經(jīng)網(wǎng)絡(luò)框架	Keras理論介紹最佳實(shí)戰(zhàn)(3h) 1.  Keras神經(jīng)網(wǎng)絡(luò)框架介紹 2.  基于Keras情感類分析 3.  動(dòng)物分類器實(shí)現(xiàn) 4.  采用Keras實(shí)現(xiàn)非線性回歸 5.  生成式對(duì)抗神經(jīng)網(wǎng)絡(luò)原理及應(yīng)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(xiàng)目
第三天 下午	Open CV計(jì)算機(jī)視覺技術(shù)	OpenCV的人臉識(shí)別 (3h) 1.  OpenVINO框架介紹與安裝測(cè)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(zhǔn)備人臉數(shù)據(jù) 5.  CV掃描圖像、平滑、擴(kuò)張實(shí)現(xiàn) 6.  DNN神經(jīng)網(wǎng)絡(luò)識(shí)別人臉 7.  測(cè)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

 
四、    授課專家
覃老師  上海大學(xué)物理學(xué)碩士，創(chuàng)業(yè)公司合伙人，技術(shù)總監(jiān)。機(jī)器學(xué)習(xí)，深度學(xué)習(xí)領(lǐng)域多年一線開發(fā)研究經(jīng)驗(yàn)，精通算法原理與編程實(shí)踐。曾使用Tensorflow，Caffe，Keras等深度學(xué)習(xí)框架完成過多項(xiàng)圖像，語音，nlp，搜索相關(guān)的人工智能實(shí)際項(xiàng)目，研發(fā)經(jīng)驗(yàn)豐富。擁有兩項(xiàng)國(guó)家專利。同時(shí)具有多年授課培訓(xùn)經(jīng)驗(yàn)，講課通熟易懂，代碼風(fēng)格簡(jiǎn)潔清晰。
王老師計(jì)算機(jī)博士，深入理解傳統(tǒng)的計(jì)算機(jī)視覺方法與目前主流的深度學(xué)習(xí)算法，在圖像識(shí)別、目標(biāo)檢測(cè)、圖像分割、OCR、人臉識(shí)別等方向均進(jìn)行了豐富的項(xiàng)目實(shí)戰(zhàn)。熟練使用OpenCV、Tensorflow、Keras等工具。具備豐富的數(shù)據(jù)挖掘經(jīng)驗(yàn)，熟悉大數(shù)據(jù)下的ETL與模型搭建，曾獨(dú)立負(fù)責(zé)美團(tuán)用戶信用分評(píng)估、敏感身份挖掘、京東金融APP多個(gè)模塊推薦算法搭建等項(xiàng)目。
劉老師  西安郵電學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)本科專業(yè)擁有著10多年軟件研發(fā)經(jīng)驗(yàn)，5年企業(yè)培訓(xùn)經(jīng)驗(yàn)，對(duì)Java、Python、區(qū)塊鏈等技術(shù)領(lǐng)域有獨(dú)特的研究，精通J2EE企業(yè)級(jí)開發(fā)技術(shù)。Java方向：設(shè)計(jì)模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對(duì)Java源碼有深入研究。Python方向：Python OOP、Mongodb、Django、Scrapy爬蟲、基于Surprise庫數(shù)據(jù)推薦，Tensorflow人工智能框架、人臉識(shí)別技術(shù)。區(qū)塊鏈方向：BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。
五、    培訓(xùn)費(fèi)用
培訓(xùn)費(fèi)7800元/人（含培訓(xùn)費(fèi)、場(chǎng)地費(fèi)、考試證書費(fèi)、資料費(fèi)、學(xué)習(xí)期間午餐），食宿可統(tǒng)一安排，費(fèi)用自理。