北京哪家機(jī)器學(xué)習(xí)培訓(xùn)比較好

時(shí)間

培訓(xùn)模塊

培訓(xùn)內(nèi)容

第 一天

上午

第 一模塊：Python必備庫(kù)快速入門

1.人工智能應(yīng)用發(fā)展簡(jiǎn)介。

2.python基礎(chǔ)學(xué)習(xí)。

3.科學(xué)計(jì)算包numpy學(xué)習(xí)。

4.繪圖工具包matplotlib學(xué)習(xí)。

第 一天下午

第二模塊：機(jī)器學(xué)習(xí)經(jīng)典算法(一)

1.機(jī)器學(xué)習(xí)基礎(chǔ)概念。

2.決策樹。

3.zui鄰近規(guī)則分類KNN算法。

4.線性回歸和非線性回歸。

5.Kmeans算法。

6.SVM算法。

7.神經(jīng)網(wǎng)絡(luò)。

第二天

上午

第二模塊：機(jī)器學(xué)習(xí)經(jīng)典算法(二)

1.神經(jīng)網(wǎng)絡(luò)基本原理。

2.單層感知器程序。

3.線性神經(jīng)網(wǎng)絡(luò)。

4.激活函數(shù)，損失函數(shù)和梯度下降法。

5.BP神經(jīng)網(wǎng)絡(luò)介紹。

6.BP神經(jīng)網(wǎng)絡(luò)解決異或問題。

7.BP神經(jīng)網(wǎng)絡(luò)解決手寫數(shù)字識(shí)別。

8.BP網(wǎng)絡(luò)論文講解。

9.介紹GOOGLE神經(jīng)網(wǎng)絡(luò)演示平臺(tái)。

第二天

下午

第三模塊：機(jī)器學(xué)習(xí)案例實(shí)戰(zhàn)

1.Tensorflow安裝。

2.Tensorlfow基礎(chǔ)知識(shí)：圖，變量，fetch，feed。

3.Tensorflow線性回歸。

4.Tensorflow非線性回歸。

5.Mnist數(shù)據(jù)集合Softmax講解。

6.使用BP神經(jīng)網(wǎng)絡(luò)搭建手寫數(shù)字識(shí)別。

7.交叉熵(cross-entropy)講解和使用。

8.過擬合,正則化,Dropout。

9.各種優(yōu)化器Optimizer。

10.改進(jìn)手寫數(shù)字識(shí)別網(wǎng)絡(luò)。

11.Tensorboard的使用。

第三天

上午

第四模塊：卷積神經(jīng)網(wǎng)絡(luò)與圖像識(shí)別

1.卷積神經(jīng)網(wǎng)絡(luò)CNN的介紹。

2.使用CNN解決手寫數(shù)字識(shí)別。

3.深度殘差網(wǎng)絡(luò)講解。

4.長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)LSTM介紹。

5.LSTM的使用。

6.介紹Google圖像識(shí)別模型Inception-v3。

7.使用Inception-v3做圖像識(shí)別。

8.Retrain圖像識(shí)別模型。

第三天

下午

第五模塊：項(xiàng)目實(shí)戰(zhàn)（一）

圖像識(shí)別項(xiàng)目：

1.從頭開始訓(xùn)練圖像識(shí)別模型。

驗(yàn)證碼識(shí)別項(xiàng)目：

2.生成驗(yàn)證碼。

3.多任務(wù)學(xué)習(xí)介紹。

4.使用圖像識(shí)別方法完成驗(yàn)證碼識(shí)別。

5.驗(yàn)證碼識(shí)別效果測(cè)試。

6.使用多任務(wù)學(xué)習(xí)完成驗(yàn)證碼識(shí)別。

7.驗(yàn)證碼識(shí)別效果測(cè)試。

語音分類項(xiàng)目：

8.語音信號(hào)處理。

9.使用LSTM完成語音分類。

第四天上午

第五模塊：項(xiàng)目實(shí)戰(zhàn)（二）

文本分類項(xiàng)目：

1.nlp任務(wù)介紹。

2.word2vec介紹。

3.word2vec實(shí)現(xiàn)。

4.CNN實(shí)現(xiàn)文本分類。

5.LSTM實(shí)現(xiàn)文本分類。

6.seq2seq模型介紹。

第四天下午

第六模塊：人臉識(shí)別技術(shù)

1.人臉識(shí)別介紹。

2.生成式模型介紹。

第五天

學(xué)員自由交流