AI人工智能-基于python的机器学习与深度学习

人工智能

--机器学习与深度学习强化特训营

【培训课时】：48课时

【课程简介】

人工智能的浪潮正在席卷全球，各种培训课程应运而生，但真正能让学员系统、全面掌握知识点，并且能学以致用的实战课程并不多见。本课程包含机器学习、深度学习的重要概念及常用算法（决策树、关联规则、聚类、贝叶斯网络、神经网络、支持向量机、遗传算法、CNN、RNN、Keras等），以及人工智能领域当前的热点。通过48课时的系统学习、案例讲解和动手实践，让学员能初步迈入机器学习和深度学习的知识殿堂。

【课程收益】

掌握数据挖掘与机器学习基本知识；

掌握数据挖掘与机器学习进阶知识；

掌握深度学习的理论与实践；

掌握深度学习人工智能工具：TensorFlow、Keras等；

为学员的后续项目应用提供针对性的建议。

【课程特点】

本课程力图理论结合实践，强调从零开始，重视动手实践；课程内容以原理讲解为根本，以应用落地为目标。课程通过大量形象的比喻和手算示例来解释复杂的机器学习理论，既能将原理充分讲懂讲透，也避免了繁复而枯燥的公式推导。

【课程对象】

计算机相关专业本科；或理工科本科，且熟悉python编程语言。

【主讲讲师】

廖博士、高级工程师。2006年中国科学技术大学计算机专业博士毕业，主研方向为数据挖掘、机器学习与深度学习，先后在SCI/EI期刊上发表论文11篇，在中文核心期刊上发表论文近30篇，授权专利6项，编写专著1部。现为某大型上市软件企业的人工智能团队技术负责人。曾带领团队完成了多个机器学习相关项目的设计和开发工作。曾任江苏太仓市中科院光电技术研究所软件技术咨询专家。曾在尚观科技、海同科技、睿亚训软件公司、上嵌基地等机构任培训讲师。曾在上海交通大学继续教育学院、上海电气学院、上海杉达学院等讲授软件开发相关课程。

【课程大纲】（培训内容可根据客户需求调整）

Day1初识机器学习

上午

概述入门

数据预处理 概述（第一天——1）

概念与术语（人工智能、数据挖掘、机器学习、深度学习）

数据挖掘的对象

数据挖掘的关键技术

知识的表达

Python的安装

Python数据挖掘工具箱（第一天——2）

Numpy, Scipy

Pandas

Scikit.learn, 

Matplotlib

TensorFlow

案例实践：

Anaconda安装

Tensorflow安装

二维布朗运动

泰坦尼克号生存者名单处理

 

Day1初识机器学习

下午

数据加载与存储

数据预处理与规范化 数据加载与存储（第一天——3）

csv/json/Excel/mySQL

数据预处理与规范化（第一天——4）

数据合并

数据转换

数据清洗

数据聚合

数据分组

透视表与交叉表

案例实践：

上海证券大盘指数分析

QQ聊天群数据分析

中国地震数据分析

 

Day2机器学习中的典型算法

上午

模型评估方法

特征提取

线性回归 机器学习框架（第二天——1）

模型评估方法（第二天——2）

偏差与方差

混淆矩阵/准确率/精确率/召回率

ROC/AUC/F1

特征提取(分类变量/文本/图像) （第二天——3）

数据预处理（标准化/正则化）（第二天——4）

线性回归（第二天——5）

一元/多元

多项式

案例实践：

酒品质预测

波士顿住房数据来预测房屋价格

 

Day2机器学习中的典型算法

下午

线性回归

逻辑回归

K近邻算法

线性回归（第二天——5）

岭回归

随机梯度下降法

交叉验证

逻辑回归（第二天——6）

二分类

多分类

K近邻算法（第二天——7）

kNN回归

kNN分类

案例实践：

垃圾邮件分类

影评电影分类

美国入学申请录取分类

 

Day3机器学习中的典型算法

上午

决策树

朴素贝叶斯 决策树（第三天——1）

回归数

分类树

模型参数网络搜索

随机森林

朴素贝叶斯（第三天——2）

高斯贝叶斯分类器

多项式贝叶斯分类器

伯努利贝贝叶斯分类器

案例实践：

广告屏蔽

泰坦尼克号乘客生还情况

iris(鸢尾花)

20类新闻数据分类

 

Day3机器学习中的典型算法

下午

支持向量机

人工神经网络 支持向量机（第三天——3）

核函数

SVC

SVR

人工神经网络（第三天——4）

感知器

神经网络

案例实践：

脸部识别

手写数字识别

新闻类别分类

自然图片字母与数字识别

 

Day4机器学习中的典型算法

上午

聚类

PCA降维

集成学习方法 无监督学习聚类（第四天——1）

Kmean

PCA降维（第四天——2）

集成学习方法（第四天——3）

Adaboost

Gradientboosting

RandomForest

案例实践：

美国参议院党派分类

各省经济水平分类

手写识别

糖尿病病人

 

Day4机器学习中的典型算法

下午

Apriori算法

FP-growth算法

关联分析- Apriori算法（第四天——4）

频繁项集

关联规则

关联分析- FP-growth算法（第四天——5）

FP树

案例实践：

毒蘑菇相似特征

从新闻网站点击流中挖掘新闻报道

 

Day5深度学习初步

上午

深度学习简介

TensorFlow入门

深度学习简介（第五天——1）

深度学习引入

深度学习历史

深度学习应用

TensorFlow

TensorFlow入门（第五天——2）

计算模型

数据模型

运行模型

TensorFlow实现神经网络

案例实践：

Tensorflow安装

神经网络实现 

 

Day5深度学习初步

下午

深层神经网络

深度学习模型改进 深层神经网络（第五天——3）

深度学习与深层神经网络

损失函数定义

神经网络优化算法

神经网络进一步优化

深度学习模型改进（第五天——4）

MNIST数据处理

模型训练及对比

变量管理

模型持久化

案例实践：

MNIST手写数字识别

训练模型保存与恢复

 

Day6深度学习

上午

卷积神经网络

图像数据处理 卷积神经网络（第六天——1）

图像识别问题

卷积神经网络

卷积神经网络常用结构

典型卷积神经网络模型

图像数据处理（第六天——2）

TFRecord输入数据格式

图像数据处理

数据集框架

案例实践：

Lenet5网络

图像数据

 

Day6深度学习

下午

循环神经网络

Tensorflow高层封装

TensorBoard可视化 循环神经网络（第六天——3）

循环神经网络简介

长短时记忆网络LSTM

循环神经网络变种

Tensorflow高层封装（第六天——4）

Keras

Estimator

TensorBoard可视化（第六天——5）

TensorBoard计算图可视化

监控指标可视化

高维向量可视化

案例实践：

RNN网络实现时序预测

Keras实现IMDB自然语言情感分类