400-626-7377
开课时间

课程能解决工作中哪些问题?

  • 1

    某影视公司希望对电影票房进行预测

  • 2

    某企业希望建立人脸/识别考勤系统

  • 3

    某出版社希望对图书销量进行预测

  • 4

    网约车企业希望对出行流量进行预测

  • 5

    金融行业希望对现有客户做贷款风险评估

  • 6

    医疗机构希望根据患者数据生成辅助诊断处置模型

  • 7

    某手机品牌希望进一步提升手写输入正确率

  • 8

    某婚恋网站希望对网站会员数据进行分类

报名之后能学习到什么?

  • 回归算法理论与实战
  • 决策树算法理论与实战
  • 集成学习算法理论与实战
  • KNN算法和决策树算法理论与实战
  • 聚类算法理论与实战
  • 神经网络算法
  • Tensorflow
  • 生成式对抗网络GANs

算法与机器学习常见问题

  • 如何选择特征
  • 梯度下降的优缺点
  • 为什么要用逻辑回归
  • 如何处理数据缺失问题
  • 如何处理维度灾难?
  • 如何解决过拟合问题
  • 如何处理样本非均衡问题
  • 决策树算法是按什么来进行分类的?
  • SVM中rbf核函数与高斯和函数的比较
  • SVM为啥要引入拉格朗日的优化方法
  • 关联分析中的极大频繁项集;FP增长算法
  • 线性分类器与非线性分类器的区别及优劣
  • 特征比数据量还大时,选择什么样的分类器
  • 对于维度极低的特征,你是选择线性还是非线性分类器
  • 对于维度很高的特征,你是选择线性还是非线性分类器
  • L1和L2正则的区别,如何选择L1和L2正则
  • 什么是降维,优缺点是什么,有哪些降维方法?
  • 余弦相似度(Cos距离)与欧氏距离的区别和联系

为什么选择中培

  • 1

    14年IT培训经验 产品打磨更细致

  • 2

    精品小班课程 老师讲解更细致 针对性辅导

  • 3

    课程设计切实解决工作中的问题 实用性强

  • 4

    演练实际运维场景为切入点 代入感强

  • 5

    筛选主流及热门问题进行讲解 时效性强

  • 6

    引导式教学、启发学员自主解决问题 操作性强

Python+机器算法深度学习与实战课程大纲

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
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