Python-机器学习、深度学习与计算机图像处理技术实战
一、 培训收益
课程中通过细致讲解，使学员掌握该技术的本质。具体收益包括：
1. 回归算法理论与实战；
2. 决策树算法理论与实战；
3. 集成学习算法理论与实战；
4. KNN算法和决策树算法理论与实战；
5. 聚类算法理论与实战；
6. 神经网络算法；
7.Tensorflow；
8. 生成式对抗网络GANs。
二、 培训特色
本次培训从实战的角度对深度学习技术进行了全面的剖析，并结合实际案例分析和探讨深度学习的应用场景，给深度学习相关从业人员以指导和启迪。
三、 日程安排
| 日程 | 培训模块 | 培训内容 |
|---|---|---|
| 第一天 上午 |
机器学习简介 | 1.一元线性回归 2.代价函数 3.使用梯度下降法实现一元线性回归 4.标准方程法 5.使用sklearn实现一元线性回归 6.使用sklearn实现多元线性回归 7.使用sklearn实现岭回归 8.使用sklearn实现LASSO回归 |
| 第一天 下午 |
决策树与集成学习 理论与实战 | 1.sklearn实现决策树 2.决策树-CART算法 3.决策树应用 4.随机森林 |
| KNN与聚类 理论与实战 | 5.sklearn实现knn算法完成iris数据集分类 6.k-means算法 7.DBSCAN算法 |
|
| 第二天 上午 |
神经网络算法 | 1.神经网络基本原理 2.单层感知机 3.线性神经网络 4.激活函数，损失函数和梯度下降法 5.线性神经网络异或问题 6.BP神经网络介绍 7.BP算法推导 8.BP神经网络解决异或问题 9.BP算法完成手写数字识别 10.sklearn-BP神经网络解决手写数字识别 11.GOOGLE神经网络平台 |
| 第二天 下午 |
Tensorflow2.0 | 1.深度学习框架介绍 2.Tensorflow安装 3.Tensorlfow基础知识 4.Tensorflow线性回归 5.Tensorflow非线性回归 6.Mnist数据集合Softmax讲解 7.使用BP神经网络搭建手写数字识别 8.交叉熵（cross-entropy）讲解和使用 9.过拟合,正则化,Dropout 10.各种优化器Optimizer 11.改进手写数字识别网络 12.卷积神经网络CNN的介绍 13.使用CNN解决手写数字识别 14.长短时记忆网络LSTM介绍 15.LSTM的使用 16.模型保存与载入 |
| 第三天 上午 |
图像识别项目 | 1.介绍Google图像识别模型Inception-v3 2.使用Inception-v3做图像识别 |
| 图像识别项目 | 3.训练自己的图像识别模型 | |
| 验证码识别项目 | 4.多任务学习介绍 5.生存验证码图片 6.构建验证码识别模型 |
|
| 第三天 下午 |
Kease最佳实践 | 1.安装和配置Keras,API 2.回调函数与自定义训练过程 3.深度神经网络DCNN实现 4.采用深度学习算法识别CIFRA-10图片 5.调节参数来改善性能 |
四、 授课专家
覃老师 上海大学物理学硕士，创业公司合伙人，技术总监。机器学习，深度学习领域多年一线开发研究经验，精通算法原理与编程实践。曾使用Tensorflow，Caffe，Keras等深度学习框架完成过多项图像，语音，nlp，搜索相关的人工智能实际项目，研发经验丰富。拥有两项国家专利。同时具有多年授课培训经验，讲课通熟易懂，代码风格简洁清晰。
王老师 计算机博士，深入理解传统的计算机视觉方法与目前主流的深度学习算法，在图像识别、目标检测、图像分割、OCR、人脸识别等方向均进行了丰富的项目实战。熟练使用OpenCV、Tensorflow、Keras等工具。具备丰富的数据挖掘经验，熟悉大数据下的ETL与模型搭建，曾独立负责美团用户信用分评估、敏感身份挖掘、京东金融APP多个模块推荐算法搭建等项目。
刘老师 西安邮电学院计算机科学与技术本科专业拥有着10多年软件研发经验，5年企业培训经验，对Java、Python、区块链等技术领域有独特的研究，精通J2EE企业级开发技术。Java方向：设计模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且对Java源码有深入研究。Python方向：Python OOP、Mongodb、Django、Scrapy爬虫、基于Surprise库数据推荐，Tensorflow人工智能框架、人脸识别技术。区块链方向：BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。
