天津Python人工智能课程

 

　　课程收益:通过此次课程培训，可使学习者获得如下收益：

　　1.掌握Python基础语言风格与常用库使用方法;

　　2.理解并掌握经典算法原理;

　　3.理解机器学习算法工作原理与应用场景;

　　4.掌握Scikit-Learn库的建模与评估;

　　5.掌握神经网络基础知识;

　　6.掌握卷积神经网络及应用技巧与细节分析;

　　7.通过大量实际案例使学员真正掌握Caffe与Tensorflow框架在工作中的用法。培训颁发证书:本课程由中国信息化培训中心颁发《人工智能高级工程师》证书，证书查询网址：www.zpedu.org; 证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。课程大纲:关于举办Python+人工智能高级实战

　　1、 培训收益

　　通过此次课程培训，可使学习者获得如下收益：

　　1.掌握Python基础语言风格与常用库使用方法;

　　2.理解并掌握经典算法原理;

　　3.理解机器学习算法工作原理与应用场景;

　　4.掌握Scikit-Learn库的建模与评估;

　　5.掌握神经网络基础知识;

　　6.掌握卷积神经网络及应用技巧与细节分析;

　　7.通过大量实际案例使学员真正掌握Caffe与Tensorflow框架在工作中的用法。

　　二、 培训特色

　　1.机器学习+深度学习面面俱到，算法与实践相结合;

　　2.录播课程随到随学，直播答疑后顾无忧;

　　3.提供所有数据与代码，轻松复现;

　　4.风格通俗易懂，适合快速上手。

　　三、 日程安排

　　时间培训模块培训内容

　　第1天

　　上午第1模块：Python必备库快速入门1.人工智能应用发展简介。

　　2.python基础学习。

　　3.科学计算包numpy学习。

　　4.绘图工具包matplotlib学习。

　　第1天下午第二模块：机器学习经典算法(1)1.机器学习基础概念。

　　2.决策树。

　　3.邻近规则分类KNN算法。

　　4.线性回归和非线性回归。

　　5.Kmeans算法。

　　6.SVM算法。

　　7.神经网络。

　　第二天

　　上午第二模块：机器学习经典算法(二)1.神经网络基本原理。

　　2.单层感知器程序。

　　3.线性神经网络。

　　4.激活函数，损失函数和梯度下降法。

　　5.BP神经网络介绍。

　　6.BP神经网络解决异或问题。

　　7.BP神经网络解决手写数字识别。

　　8.BP网络论文讲解。

　　9.介绍GOOGLE神经网络演示平台。

　　第二天

　　下午第三模块：机器学习案例实战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。

　　10.改进手写数字识别网络。

　　11.Tensorboard的使用。

　　第三天

　　上午第四模块：卷积神经网络与图像识别1.卷积神经网络CNN的介绍。

　　2.使用CNN解决手写数字识别。

　　3.深度残差网络讲解。

　　4.长短时记忆网络LSTM介绍。

　　5.LSTM的使用。

　　6.介绍Google图像识别模型Inception-v3。

　　7.使用Inception-v3做图像识别。

　　8.Retrain图像识别模型。

　　第三天

　　下午第五模块：项目实战(1)图像识别项目：

　　1.从头开始训练图像识别模型。

　　验证码识别项目：

　　2.生成验证码。

　　3.多任务学习介绍。

　　4.使用图像识别方法完成验证码识别。

　　5.验证码识别效果测试。

　　6.使用多任务学习完成验证码识别。

　　7.验证码识别效果测试。

　　语音分类项目：

　　8.语音信号处理。

　　9.使用LSTM完成语音分类。

　　第四天上午第五模块：项目实战(二)文本分类项目：

　　1.nlp任务介绍。

　　2.word2vec介绍。

　　3.word2vec实现。

　　4.CNN实现文本分类。

　　5.LSTM实现文本分类。

　　6.seq2seq模型介绍。

　　第四天下午第六模块：人脸识别技术1.人脸识别介绍。

　　2.生成式模型介绍。

　　第五天学员自由交流