人工智能Python机器学习与深度学习核心技术应用及项目实战课程大纲
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、数据分析库pandas使用学习
1.Series,DataFrame 2.选择数据 3.赋值及操作
4.读取及写入文件 5.合并 案例:处理丢失数据
五、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
六、回归算法
1.一元线性回归 2.代价函数
3.梯度下降法 4.标准方程法
5.sklearn一元线性回归应用
6.多元线性回归
7.sklearn多元线性回归应用
8.非线性回归介绍
案例:葡萄酒质量和时间的关系
案例:波士顿房价预测项目
七、KNN分类算法
1.KNN分类算法介绍
2.KNN分类算法应用
3.KNN分类算法与应用实现
案例:鸢尾花分类
八、决策树算法
1.决策树-信息熵,ID3,C4.5算法介绍
2.sklearn实现决策树
3.决策树-CART算法
4.CART算法实践
5.决策树解决线性二分类问题
6.决策树解决非线性二分类问题
案例:叶子分类项目 案例:银行用户购买行为预测
九、集成算法与随机森林
1.Bagging介绍与使用
2.随机森林介绍与使用
3.Adaboost介绍与使用
4.Stacking和Voting介绍与使用 案例:用户流失分析
十、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
十一、支持向量机
1.SVM算法介绍与原理推导
2.支持向量的作用
3.核函数的作用
4.建模方法 案例:SVM完成人脸识别应用
十二、泰坦尼克号获救预测案例
1.缺失值填充 2.特征筛选 3.案例实战
十三、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
十四、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
十五、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、******池化)
3.深度残差网络讲解 3.CNN实现MNIST数据集分类
4.CNN手写数字案例
十六、长短时记忆网络LSTM应用
1.RNN循环神经网络
2.RNN应用案例(MNIST图像分类)
3.长短时记忆网络LSTM
4.LSTM应用案例(MNIST图像分类)
十七、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
十八、文本分类项目实战
1.自然语言处理项目介绍
2.word2vec介绍及结果可视化
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
十九、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
二十、辅助课程
1.针对学员面对的实践问题展开讨论、方案建议
2.建立QQ群、微信群(课后免费技术指导)
3.配备机器学习和深度学习开发教材,便于课后逐步提高能力。
免责声明:本站信息均为有关第三方学术会议组织研究与交流发布,如涉及版权,如有请联系告之,24小时内删除.