python人工智能与机器学习——网络课程技术培训班

时间

大章节

小章节

周五

一、python基础学习

1.python基础学习

2.科学计算包numpy使用学习

3.绘图工具包matplotlib学习

二、人工智能与机器学习基础

1.人工智能概述   

2.机器学习概述

3.机器学习算法应用分析

周六

三、回归算法

1.一元线性回归     

2.代价函数   

3.梯度下降法     

4.sklearn一元线性回归应用

5.多元线性回归   6.sklearn多元线性回归应用

案例：葡萄酒质量和时间的关系

四、KNN分类算法

1.KNN分类算法介绍   

2.KNN分类算法应用   

3.KNN实现

案例：鸢尾花分类

五、决策树算法

1.决策树算法介绍

2.熵的定义

3.决策树算法与应用实现

案例：用户购买行为预测

六、集成算法与随机森林

1.Bagging算法介绍

2.随机森林建模方法

3.Adaboost算法介绍

4.stack算法介绍

周日

七、K-means聚类算法

1.K-means算法介绍   

2.K-means算法应用

3.K-means算法实际应用案例

案例：NBA球队实力聚类分析

八、支持向量机

1.SVM算法介绍

案例：SVM完成人脸识别应用

九、泰坦尼克号获救预测案例

1.缺失值填

2.特征筛选

3.案例实战

周一

十、深度学习基础-神经网络介绍

1.人工神经网络发展史

2.单层感知器

3.激活函数，损失函数和梯度下降法

4.BP算法介绍

案例：BP算法解决手写数字识别问题

十一、Tensorflow基础应用

1.Tensorflow安装

2.Tensorlfow基础知识：图，变量，fetch，feed

3.Tensorflow线性回归

4.Tensorflow非线性回归

5.Mnist数据集合Softmax讲解

6.使用BP神经网络搭建手写数字识别

7.交叉熵(cross-entropy)讲解和使用

8.过拟合,正则化,Dropout

9.各种优化器Optimizer

周二

十二、卷积神经网络CNN应用

1.CNN卷积神经网络

2.卷积层、池化层（均值池化、最大池化）

3.CNN手写数字案例

十三、长短时记忆网络LSTM应用

1.RNN循环神经网络

2.长短时记忆网络LSTM

3.LSTM应用案例

十四、图像识别模型项目实战

1.图像数据增强

2.用自己收集的数据训练图像识别模型

3.使用迁移学习完成图像分类

周三

十五、自然语言处理项目实战

1.自然语言处理项目介绍

2.word2vec介绍

3.用CNN训练一个新的文本分类模型

4.用LSTM训练一个新的文本分类模型

十六、人脸识别项目实战

1.人脸识别任务介绍

2.人脸检测模型MTCNN

3.人脸识别算法FaceNet介绍

4.训练自己的人脸识别模型目标检测算法标签标注

单位名称

                部门、学院：

通讯地址

邮 编

学员姓名

部门职务

性别

邮    箱

联系电话及手机

培训日期

1、口微信支付               2、口支付宝支付          3、口汇款、转账方式

本次培训感兴趣的内容：

对 “python与人工智能”是否有基础：   口有    口否

参会学员签名：                      年   月   日