课程

课程介绍

本课程在实践方面,结合Python  SK-learn、TensorFlow实现深度学习实践。 实现公共数据库数据与算法结合,实现数据预处理、训练数据集与测试数据集切分、校验、验证等,实现人脸识别程序案例、实现自然语言处理(NLP)

培训对象

数据分析数据挖掘相关人员、
对人工智能感兴趣的人员
对机器学习、深度学习感兴趣的学员
学员基础:
具备初步的IT基础知识
最好具备linux操作经验(不做强制性要求)
具备有python使用经验和应用经验

课程收益

通过理论与实践相结合的方式,使用python语言作为主线,贯穿机器学习算法、框架,深度学习框架,人工智能,以实战出发,动手练习操作,现场问答,提升其行动学习能力

知识概要

大数据分析与机器学习、人工智能及深度学习、Pyhton程序与数据处理、公共数据库数据训练。

课程大纲

模块

学习内容

第一天

机器学习

一、大数据介绍

二、机器学习、人工智能及深度学习趋势介绍

三、深度学习、深度学习框架介绍

四、开发语言与深度学习

五、流行开发语言Python与机器学习渊源

六、环境搭建方法与开发环境搭建方法

七、机器学习环境搭建

案例研讨:大数据分析与机器学习、人工智能及深度学习

机器学习系统架构

一、Python核心编程技巧与技能提升

二、Python科学计算库应用

三、数据可视化与数据呈现

四、数据处理与数据清洗

五、实战一:数据处理实战

案例研讨:Pyhton程序与数据处理

第二天

机器学习

一、机器学习算介绍

二、算法与应用讲解

三、SK-learn机器学习库讲解

四、SK-learn机器学习与算法应用

五、数据、算法、框架应用

六、公用数据使用技巧

七、机器学习算法应用

八、案例:机器学习算法案例一

九、案例:模型建模案例分享二

案例研讨:算法学习、框架学习

案例练习:机器学习库与算法训练

机器学习数据库

一、机器学习数据准备

二、公共数据库使用与算法应用

三、数据标准化处理

数据准备、数据清洗、数据标准化、数据应用

案例训练:公共数据库数据训练

第三天

深度学习

一、深度学习与TensorFlow简介

二、TensorFlowOnSpark简介

三、卷积神经网络简介

四、TensorFlow实现卷积神经网络

五、循环神经网络简介

六、TensorFlow实现循环神经网络

七、TensorFlow深度学习实战

八、Tensorflow构建回归模型

九、Tensorflow深度学习模型

案例研讨:大数据分析与深度学习关系?

深度学习与人工智能

一、Tensorflow打造RNN网络模型

二、Tensorflow项目实战验证识别

三、人工智能简介

四、人工智能趋势及关键技术

五、openCV图像处理

六、案例:深度学习与人脸识别

七、案例:深度学习高级应用案例

案例研讨:结合业务深度学习应用场景设计,老师针对方案点评评比及后续建议

认证过程

无认证考试

开班信息

暂无开班信息