人工智能

Python+机器学习与深度学习实战

2022-04-27 08:59:28　|　来源：中培企业IT培训网

一、培训简述
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Python进行了全面的剖析，并结合实际案例分析和探讨Python技术的应用场景，给Python相关从业人员以指导和启迪。

三、培训时长
共计3天，每天6课时

四、培训大纲

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
第一天下午	KNN与聚类理论与实战	1.sklearn实现knn算法完成iris数据集分类 2.k-means算法 3.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 3.训练自己的图像识别模型
第三天上午	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

（注：大纲还可根据需求进行调整）

师资简介
刘老师
十几年软件研发经验，8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爬虫技术、基于Scikit-Learn机器学习框，Tensorflow深度学习框架、人脸识别技术。
区块链方向：BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS
精品课程