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。
覃老师
3天
25000元/天
大章节 | 小章节 |
---|---|
一、python基础学习 |
1.print使用 2.运算符和变量 3.循环 4.列表元组字典 5.if条件 6.函数 7.模块 8.类的使用 9.input用法 10.文件读写 11.异常处理 |
二、科学计算包numpy使用学习 |
1.numpy的属性 2.创建array 3.numpy的运算 4:随机数生成以及矩阵的运算 5.numpy的索引 6.array合并 7.array分割 |
三、绘图工具包matplotlib学习 |
1.基础用法 2.figure图像 3.设置坐标轴 4.legend图例 5.scatter散点图 |
四、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 |
五、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 |
六、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 |
七、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 |
八、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 |
九、模型保存和载入 |
1.模型保存 2.模型载入 |
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 |
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、Google图像识别模型inception-v3项目实战 |
1.使用训练好的inception-v3完成图像识别 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 |
十五、Keras框架入门应用 |
1.keras框架介绍 2.keras实现回归应用 3.keras实现非线性回归应用 4.keras实现手写数字识别 5.keras实现交叉熵,Dropout,正则化 6.keras实现卷积网络和LSTM网络 |
十六、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 |
十七、目标检测项目实战 |
1.目标检测项目简介 2.R-CNN模型详解 3.SPPNET模型详解 4.Fast-RCNN模型详解 5.Faster-RCNN模型详解 6.Tensorflow实现Faster-RCNN目标检测 7.测试目标检测模型效果、目标检测算法标签标注 8.训练自己的目标检测模型 |
十八、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 |