致力于提升研发企业的持续创新能力
结盟众多企业“教练”， 共同设计、开发及提供人才培养解决方案，通过新颖多样的学习方式，针对性的定制化内容，助力企业全面提升竞争优势。
结盟众多企业“教练”， 共同设计、开发及提供人才培养解决方案，通过新颖多样的学习方式，针对性的定制化内容，助力企业全面提升竞争优势。
马波
2天
6000
机器学习(深度学习)算法和应用
幻灯片算法讲解，结合代码分析，剖析算法原理；实际应用举例和和业界趋 势分析；成熟开源框架介绍和实例（Theano, TensorFlow）。
使学员能够了解机器学习的流程步骤；理解用机器学习方法解决实际问题的
方法和思路；初步掌握基础机器学习的算法和实现方法。
对机器学习算法原理和应用感兴趣，具有一定编程（Python）和数学基础（线 性代数、微积分和概率论）的管理和技术人员
| 主题 | 内容 |
|---|---|
| 机器学习概要 |
a) 什么是机器学习 & 与传统软件开发的异同 b) 机器学习的分类和特点 c) 机器学习可以解决的问题和应用现状 |
| 广义线性模型 |
a) 感知器模型 Perceptron b) 线性神经元 Linear Neuron / Adaline c) 逻辑回归 Logistic Regression d) 误差曲面和三种梯度下降算法 Gradient Descendent |
| 经典概率模型 | a) 朴素贝叶斯 Naïve Bayes |
| 决策树及其组合模型 Ensemble Models |
a) 决策树 Decision Tree: ID3 & CART b) 随机森林 Random Forest c) 自适应增强算法 Adaptive Boosting (AdaBoost) d) 梯度增强决策树 Gradient Boost Decision Tree (GBDT) |
| 非监督学习模型 Unsupervised Learning |
a) 聚类 Clustering: K-‐Means, Hierarchy b) 降维 Dimension Reduction i. 主成分分析 Principle Component Analysis ii. 奇异值分解 Singularity Decomposition c) 关联规则 i. Apriori 关联分析 ii. FP-‐growth 频率项集 |
| 人工神经元网络 Artificial Neural Networks |
a) 神经元网络架构 b) 向后传播训练算法 Backpropagation c) 多层感知器网络 Multiple-‐Layer Perceptron (MLP) d) 深度学习神经网络介绍 i. 卷积神经网络 CNN ii. 循环神经网络 RNN 及其应用 1. 长短记忆神经网络 LSTM 2. 受限玻尔兹曼机 Restricted Boltzmann Machine 3. 深度置信网络 Deep Belief Net 4. Deep Autoencoder |
