400-626-7377
开课时间

什么是机器学习?

机器学习是专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

机器学习培训能解决工作中哪些问题?

  • 分类问题

    分类问题

    根据数据样本上抽取出的特征,
    判定其属于有限个类别中的哪一个

  • 回归问题

    回归问题

    根据数据样本上抽取出的特征,
    预测一个连续值的结果

  • 聚类问题

    聚类问题

    根据数据样本上抽取出的特征,
    让分散样本达到聚合目的

报名机器深度学习课程能学到什么?

  • 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应用场景

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

  • 14年IT培训经验 产品打磨更细致

    14年IT培训经验
    产品打磨更细致

  • 全国42城市开班授课线下培训更方便

    全国42城市开班授课
    线下培训更方便

  • 累计开设直播/录播课程50余门线上教学经验丰富

    累计开设直播
    录播课程50余门
    线上教学经验丰富

  • 累计为18家世界500强企业提供IT培训服务掌握主流IT技术方向

    累计为18家世界500强企业
    提供IT培训服务
    掌握主流IT技术方向

  • 精品小班课程老师讲解更细致针对性辅导更多

    精品小班课程
    老师讲解更细致
    针对性辅导更多

  • 课程设计能切实解决学员工作中遇到问题实用性强

    课程设计能切实解决
    学员工作中遇到问题
    实用性强

  • 演练实际运维场景为切入点 代入感强

    演练实际运维
    场景为切入点
    代入感强

  • 筛选主流及热门问题进行讲解 时效性强

    筛选主流及
    热门问题进行讲解
    时效性强

  • 引导式教学、启发学员自主解决问题 操作性强

    引导式教学
    启发学员自主解决问题
    操作性强

机器算法深度学习与实战课程大纲

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
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  
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  
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
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  
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