Python、知識(shí)圖譜與深度學(xué)習(xí)培訓(xùn)_基礎(chǔ)3天

Python深度學(xué)習(xí)與知識(shí)圖譜培訓(xùn)
（基礎(chǔ)部分）
【課程時(shí)長(zhǎng)】
3天（6小時(shí)/天）
【課程簡(jiǎn)介】
人工智能的浪潮正在席卷全球，各種培訓(xùn)課程應(yīng)運(yùn)而生，但真正能讓學(xué)員系統(tǒng)、全面掌握知識(shí)點(diǎn)，并且能學(xué)以致用的實(shí)戰(zhàn)課程并不多見(jiàn)。本課程包含基于python的數(shù)據(jù)分析、深度學(xué)習(xí)的重要概念及常用算法（決策樹(shù)、關(guān)聯(lián)規(guī)則、聚類(lèi)、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隱馬爾科夫模型、遺傳算法、CNN等），以及人工智能領(lǐng)域當(dāng)前的熱點(diǎn)。通過(guò)3天的系統(tǒng)學(xué)習(xí)、案例講解和動(dòng)手實(shí)踐，讓學(xué)員能初步邁入機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的知識(shí)殿堂。
【課程收益】
掌握Python開(kāi)發(fā)技能；
掌握深度學(xué)習(xí)工具：TensorFlow、Keras、pytorch等；
掌握基于python的數(shù)據(jù)分析知識(shí)；
掌握數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)進(jìn)階知識(shí)；
掌握深度學(xué)習(xí)的基礎(chǔ)理論與實(shí)踐；
【課程特點(diǎn)】
本課程力圖理論結(jié)合實(shí)踐，強(qiáng)調(diào)從零開(kāi)始，重視動(dòng)手實(shí)踐；課程內(nèi)容以原理講解為根本，以應(yīng)用落地為目標(biāo)。課程通過(guò)大量形象的比喻和手算示例來(lái)解釋復(fù)雜的機(jī)器學(xué)習(xí)理論，既能將原理充分講懂講透，也避免了繁復(fù)而枯燥的公式推導(dǎo)。
【課程對(duì)象】
計(jì)算機(jī)相關(guān)專業(yè)本科；或理工科本科，且至少熟悉一門(mén)編程語(yǔ)言。
【主講專家】
葉梓，博士、高級(jí)工程師。2005年上海交通大學(xué)計(jì)算機(jī)專業(yè)博士畢業(yè)，主研方向?yàn)閿?shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能等?，F(xiàn)為某大型上市軟件企業(yè)的人工智能團(tuán)隊(duì)技術(shù)負(fù)責(zé)人。在大數(shù)據(jù)、人工智能應(yīng)用等方面有著豐富的工程實(shí)踐經(jīng)驗(yàn)。先后在SCI或EI期刊上發(fā)表論文4篇，在中文核心期刊上發(fā)表論文近20篇，并被百度學(xué)術(shù)收錄。
【學(xué)員基礎(chǔ)】
具備初步的IT基礎(chǔ)知識(shí)
【課程大綱】（培訓(xùn)內(nèi)容可根據(jù)客戶需求調(diào)整）
時(shí)間
內(nèi)容
案例實(shí)踐與練習(xí)
Day1上午
基于python的實(shí)驗(yàn)環(huán)境
實(shí)驗(yàn)環(huán)境搭建
anaconda包的安裝
pip install的技巧
通過(guò)anaconda配置多個(gè)環(huán)境
Jupyter Notebook的使用
繪圖工具包matplotlib
opencv的安裝
Tensorflow的安裝
Pytorch的安裝
paddlepaddle的安裝
案例實(shí)踐：
python安裝
opencv安裝與驗(yàn)證
Tensorflow安裝與驗(yàn)證
Pytorch安裝與驗(yàn)證
paddlepaddle安裝與驗(yàn)證
Day1下午
Python基礎(chǔ)
Python開(kāi)發(fā)概述
Python的基本語(yǔ)法
引入外部包
常用的數(shù)據(jù)結(jié)構(gòu)
定義函數(shù)
Python中的面向?qū)ο缶幊?br /> 文件讀寫(xiě)
訪問(wèn)數(shù)據(jù)庫(kù)
數(shù)據(jù)預(yù)處理
數(shù)據(jù)清理
規(guī)范化
無(wú)標(biāo)簽時(shí)：PCA
有標(biāo)簽時(shí)：Fisher線性判別
數(shù)據(jù)壓縮（DFT、小波變換）
回歸與時(shí)序分析
線性回歸
非線性回歸
logistics回歸
案例實(shí)踐：
元組、列表、字典、集合
PCA的實(shí)驗(yàn)
DFT的實(shí)驗(yàn)
回歸的實(shí)驗(yàn)
Day2上午
基于python的數(shù)據(jù)分析
決策樹(shù)模型
分類(lèi)和預(yù)測(cè)
熵減過(guò)程與貪心法
ID3
C4.5
其他改進(jìn)方法
決策樹(shù)剪枝
聚類(lèi)
監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)
K-means與k-medoids
層次的方法
基于密度的方法
基于網(wǎng)格的方法
孤立點(diǎn)分析
案例實(shí)踐：
決策樹(shù)的實(shí)驗(yàn)
鳶尾花數(shù)據(jù)的聚類(lèi)
手肘法分析NBA球隊(duì)的最佳聚類(lèi)個(gè)數(shù)
各種聚類(lèi)方式的圖形化展示
Day2下午
基于python實(shí)現(xiàn)的經(jīng)典算法
關(guān)聯(lián)規(guī)則
頻繁項(xiàng)集
支持度與置信度
提升度
Apriori性質(zhì)
連接與剪枝
性能評(píng)價(jià)指標(biāo)（5）
精確率；
P、R與F1
ROC與AUC
對(duì)數(shù)損失
泛化性能評(píng)價(jià)：k折驗(yàn)證驗(yàn)證
案例實(shí)踐：
超市購(gòu)物籃——關(guān)聯(lián)規(guī)則分析
皮馬印第安人患糖尿病的風(fēng)險(xiǎn)
Day3上午
深度學(xué)習(xí)基礎(chǔ)
BP神經(jīng)網(wǎng)絡(luò)
人工神經(jīng)元及感知機(jī)模型
Sigmoid激活函數(shù)
前向神經(jīng)網(wǎng)絡(luò)的架構(gòu)
梯度下降
誤差反向傳播詳解
支持向量機(jī)
“雙螺旋”問(wèn)題
基本模型與懲罰項(xiàng)
求解對(duì)偶問(wèn)題
核函數(shù)：映射到高維
從二分類(lèi)到多分類(lèi)
用于連續(xù)值預(yù)測(cè)的支持向量機(jī)
案例實(shí)踐：
皮馬印第安人糖尿病風(fēng)險(xiǎn)：驗(yàn)證多種模型
繪制ROC并計(jì)算AUC
手算神經(jīng)網(wǎng)絡(luò)BP算法
只用numpy，手推BPNN
SVM實(shí)現(xiàn)人臉識(shí)別應(yīng)用
Day3下午
深度學(xué)習(xí)基礎(chǔ)與CNN
深度學(xué)習(xí)基礎(chǔ)
連接主義的興衰
深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系
目標(biāo)函數(shù)與激勵(lì)函數(shù)
學(xué)習(xí)步長(zhǎng)
權(quán)重初始化
權(quán)重衰減（Weight Decay）
梯度下降的方法：Adagrad \ RMSprop \ Adam
避免過(guò)適應(yīng)
圖像分類(lèi)CNN
圖像分類(lèi)概述
AlexNet與ZF-Net
VGG（5層變?yōu)?組）
遷移學(xué)習(xí)
GoogLenet和Inception模塊
模型退化與ResNet
DenseNet（充分利用特征）
最新的efficientnet
案例實(shí)踐：
通過(guò)深度BP網(wǎng)絡(luò)實(shí)現(xiàn)手寫(xiě)數(shù)字的識(shí)別
各種梯度下降方法的實(shí)戰(zhàn)效果
Batch normalization的效果
案例實(shí)踐：
VGG各層的可視化展現(xiàn)
遷移學(xué)習(xí)：貓狗大戰(zhàn)
Resnet用于圖像分類(lèi)
【授課環(huán)境】
講課環(huán)境要能上網(wǎng)

葉梓老師的其它課程