學習費用: | 8800.00元/人 | 主講老師: | |
開課時間: | 課時安排: | 4天 | |
開課地點: | 全國 | ||
課程報名: | 隋老師 ![]() |
||
課程對象: | |||
課程簡介: | |||
課程分類: | 領導力 | 人力資源 | 市場營銷 | 財務稅務 | 戰(zhàn)略管理 | 薪酬績效 | 職業(yè)素養(yǎng) | 經(jīng)理人 | 生產(chǎn)管理 | 采購管理 | 質(zhì)量管理 | 物流管理 | 供應鏈管理 | 倉儲管理 | 管理體系 | 項目管理 | 商務禮儀 | 談判技巧 | 目標管理 | 客戶服務 | 溝通和表達 | 心理學 | 阿米巴 | 事業(yè)單位 | 國際貿(mào)易 | 數(shù)字化轉(zhuǎn)型 | 資本運作 | 國學智慧 | 房地產(chǎn) | epc培訓 | TTT培訓 | 招投標 | 女性培訓 | 班組管理 | 店長培訓 | 六西格瑪 | | ||
更新時間: | 2022-04-01 12:54 |
培訓收益
課程中通過細致講解,使學員掌握該技術的本質(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、KNN算法和決策樹算法理論與實戰(zhàn);
5、聚類算法理論與實戰(zhàn);
6、神經(jīng)網(wǎng)絡算法;
7、Tensorflow;
8、生成式對抗網(wǎng)絡GANs。
課程大綱
第一章 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
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、線性回歸預測銷售數(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、訓練結(jié)果的可視化
8、保存模型與再加載
第二章 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、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,*率,召回率
決策樹、集成學習識別銀行高風險貸款
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
第三章 Tensorflow2.3 神經(jīng)網(wǎng)絡
深度學習與深度神經(jīng)網(wǎng)絡實踐
1、Tensorflow安裝
2、Tensorlfow基礎知識
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
第四章 深度學習之卷積神經(jīng)網(wǎng)絡
CIFAR圖形圖像識別項目
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)構設計
3、人臉損失函數(shù)設計
4、模型與參數(shù)調(diào)優(yōu)
第五章 Keras 神經(jīng)網(wǎng)絡框架
Keras理論介紹*實戰(zhàn)
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)構分析與優(yōu)化策略
7、采用Keras重構TensorFlow項目
第六章 Open CV計算機視覺技術
OpenCV的人臉識別
1、OpenVI*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 構建車輛與車牌檢查模型
第七章 YOYO目標識別框架技術
YOYO目標識別框架介紹
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)
第八章 圖數(shù)據(jù)庫與構建知識圖譜
知識表示與建模
1、知識圖譜核心技術: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、實體與關系、事件抽取技術
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建
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建
京公網(wǎng)安備 11011502001314號