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。
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
根据数据样本上抽取出的特征,
预测一个连续值的结果
根据数据样本上抽取出的特征,
让分散样本达到聚合目的
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
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
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
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
引导式教学
启发学员自主解决问题
操作性强
![]() |
|
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 |