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。

课程分类列表

python深度学习课程
课程类别:软件架构

Python 人工智能 人脸识别 机器学习

课程讲师:

覃老师

课程周期:

3天

课程费用:

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
找到所需课程了吗?即刻 填写申请表格 与我们联络吧