當(dāng)前位置: 首頁 > 內(nèi)訓(xùn)課程 > 課程內(nèi)容
廣告1
相關(guān)熱門公開課程更多 》
相關(guān)熱門內(nèi)訓(xùn)課程更多 》
相關(guān)最新下載資料

人工智能機(jī)器學(xué)習(xí)與深度學(xué)習(xí)實(shí)戰(zhàn)案例及應(yīng)用

課程編號(hào)：22049

課程價(jià)格：￥21200/天

課程時(shí)長：2 天

課程人氣：838

行業(yè)類別：不限行業(yè)     

專業(yè)類別：人工智能 

授課講師：趙衛(wèi)東

  • 課程說明
  • 講師介紹
  • 選擇同類課
【培訓(xùn)對(duì)象】
企業(yè)中高層管理人員

【培訓(xùn)收益】
任正非說：如果我們不想死，就要向最優(yōu)秀的人和組織學(xué)習(xí)，否則怎么能先進(jìn)呢？該項(xiàng)目可以零距離接觸，感悟其優(yōu)秀文化，學(xué)習(xí)其先進(jìn)的管理之道——他人之石可以攻玉。

 

章節(jié)

內(nèi)    容

第一節(jié)

第一節(jié)：機(jī)器學(xué)習(xí)深度學(xué)習(xí)與TensorFlow

1.1 numpy/scipy/matplotlib/panda的介紹和典型使用；

1.2 scikit-learn的介紹和典型使用；

1.3 多元線性回歸；   1.4 Logistics回歸與Softmax回歸；

1.5 決策樹和隨機(jī)森林； 1.6 SVM；

1.7 多種聚類的原理和調(diào)參；1.8 TensorFlow典型應(yīng)用；

1.9 典型圖像處理；        1.10 多項(xiàng)式擬合；

1.11快速傅里葉變換FFT；  1.12 奇異值分解SVD；

1.13 Soble/Prewitt/Laplacian算子與卷積網(wǎng)絡(luò)；

第一節(jié)：代碼和案例實(shí)踐

1.1股票交易數(shù)據(jù)的 (指數(shù))移動(dòng)平均線與預(yù)測(cè)；

1.2無人機(jī)圖像的風(fēng)機(jī)葉片缺陷檢測(cè)和識(shí)別系統(tǒng)；

1.3環(huán)保檢測(cè)數(shù)據(jù)異常檢測(cè)和分析；

1.4股票數(shù)據(jù)分析；

1.5社會(huì)學(xué)人群收入預(yù)測(cè)；

1.6葡萄酒數(shù)據(jù)集的決策樹/隨機(jī)森林分類；

1.7泰坦尼克乘客存活率估計(jì)；

第二節(jié)

 

第二節(jié)：卷積神經(jīng)網(wǎng)絡(luò)CNN

2.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，濾波器，卷積；

2.2 池化，激活函數(shù)，反向傳播；

2.3 目標(biāo)分類與識(shí)別、目標(biāo)檢測(cè)與追蹤；

2.4 AlexNet、VGGNet、GoogleLeNet；

2.5 Inception-V3/V4；  2.6 ResNet、DenseNet；

第二節(jié)：代碼和案例實(shí)踐

2.1 數(shù)字圖片分類；

2.2 卷積核與特征提?。?/span>

2.3 以圖搜圖；         2.4 人證合一；

2.5 卷積神經(jīng)網(wǎng)絡(luò)調(diào)參經(jīng)驗(yàn)分享；

第三節(jié)

第三節(jié)：圖像視頻的定位與識(shí)別

3.1 視頻關(guān)鍵幀處理；          3.2 物體檢測(cè)與定位；

3.3 RCNN，F(xiàn)ast-RCNN，F(xiàn)aster-RCNN，MaskRCNN；

3.4 YOLO；                   3.5 FaceNet；

第三節(jié)：代碼和案例實(shí)踐：

3.1 遷移學(xué)習(xí)；               3.2 人臉檢測(cè)；

3.3 OCR字體定位和識(shí)別；      3.4?？妥R(shí)云；

3.5 氣象識(shí)別；

 

 

章節(jié)

內(nèi)    容

第四節(jié)

第四節(jié)：循環(huán)神經(jīng)網(wǎng)絡(luò)RNN

4.1 RNN基本原理；             4.2 LSTM、GRU；

4.3 Attention；                4.4 CNN+LSTM模型；

4.5 Bi-LSTM雙向循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；

4.6 編碼器與解碼器結(jié)構(gòu)；

4.7 特征提?。簑ord2vec；      4.8 Seq2seq模型；

第四節(jié)：代碼和案例實(shí)踐：

4.1 看圖說話；    4.2 視頻理解；     4.3 藏頭詩生成；

4.4 問答對(duì)話系統(tǒng)；                   4.5 OCR；

4.6 循環(huán)神經(jīng)網(wǎng)絡(luò)調(diào)參經(jīng)驗(yàn)分享；

第五節(jié)

第五節(jié)：自然語言處理

5.1 語言模型Bi-Gram/Tri-Gram/N-Gram； 5.2分詞/詞性標(biāo)注；

5.3 詞向量；     5.4文本分類；       5.5機(jī)器翻譯；

5.6 文本摘要；   5.7閱讀理解；       5.8 情感分析；

第五節(jié)：代碼和案例實(shí)踐：

5.1 HMM分詞；                   5.2 問答系統(tǒng)；

5.3 文本摘要的生成；        5.4智能對(duì)話系統(tǒng)和SeqSeq模型；

5.5 閱讀理解的實(shí)現(xiàn)與Attention；

第六節(jié)

第六節(jié)：生成對(duì)抗網(wǎng)絡(luò)GAN和強(qiáng)化學(xué)習(xí)RL

6.1 生成與判別；  6.2生成模型：貝葉斯、HMM到深度生成模型；

6.3 GAN對(duì)抗生成神經(jīng)網(wǎng)絡(luò)；      6.4 DCGAN；

6.5 Conditional GAN；   6.6 InfoGan；  6.7Wasserstein GAN；

6.8 馬爾科夫決策過程；       6.9 貝爾曼方程、最優(yōu)策略；

6.10 策略迭代、值迭代；      6.11 Q Learning；

6.12 SarsaLamda；            6.13 DQN；

6.14 A3C；                   6.15 ELF；

第六節(jié)

第六節(jié)：代碼和案例實(shí)踐：

6.1 圖片生成；        6.2 看圖說話；    6.3 OpenAI；

6.4 飛翔的小鳥游戲；  6.5 基于增強(qiáng)學(xué)習(xí)的游戲?qū)W習(xí)；

6.6 DQN的實(shí)現(xiàn)；
咨詢電話：
0571-86155444
咨詢熱線：
  • 微信：13857108608
聯(lián)系我們