Python-機(jī)器學(xué)習(xí)、深度學(xué)習(xí)與計(jì)算機(jī)圖像處理技術(shù)實(shí)戰(zhàn)

培訓(xùn)收益

課程中通過細(xì)致講解，使學(xué)員掌握該技術(shù)的本質(zhì)。具體收益包括：

1、回歸算法理論與實(shí)戰(zhàn)；

2、決策樹算法理論與實(shí)戰(zhàn)；

3、集成學(xué)習(xí)算法理論與實(shí)戰(zhàn)；

4、KNN算法和決策樹算法理論與實(shí)戰(zhàn)；

5、聚類算法理論與實(shí)戰(zhàn)；

6、神經(jīng)網(wǎng)絡(luò)算法；

7、Tensorflow；

8、生成式對(duì)抗網(wǎng)絡(luò)GANs。

課程大綱

第一章  機(jī)器學(xué)習(xí)與線性回歸算法 

線性回歸實(shí)現(xiàn)銷售數(shù)據(jù)預(yù)測(cè) 

1、線性回歸介紹與公式推導(dǎo) 

2、多變量線性歸回與梯度下降 

3、線性回歸預(yù)測(cè)銷售數(shù)據(jù) 

4、數(shù)據(jù)升維與PCA降維 

5、數(shù)據(jù)歸一化與模型優(yōu)化 

6、欠擬合與過擬合 

7、訓(xùn)練結(jié)果的可視化 

8、保存模型與再加載 

第二章  邏輯回歸與決策樹實(shí)戰(zhàn) 

邏輯回歸之信用卡反欺詐預(yù)測(cè)

1、項(xiàng)目背景與需求分析 

2、特征工程之標(biāo)準(zhǔn)化 

3、基本預(yù)處理操作 

4、上采樣與下采樣 

5、混淆矩陣可視化函數(shù) 

6、模型的訓(xùn)練與準(zhǔn)確率,*率,召回率 

決策樹、集成學(xué)習(xí)識(shí)別銀行高風(fēng)險(xiǎn)貸款

1、信息增益與算法原理介紹 

2、數(shù)據(jù)分析、特征工程 

3、模型訓(xùn)練與優(yōu)化參數(shù) 

4、隨機(jī)森林、正向激勵(lì)算法 

5、采用決策樹識(shí)別高風(fēng)險(xiǎn)貸款 

第三章  Tensorflow2.3 神經(jīng)網(wǎng)絡(luò) 

深度學(xué)習(xí)與深度神經(jīng)網(wǎng)絡(luò)實(shí)踐 

1、Tensorflow安裝 

2、Tensorlfow基礎(chǔ)知識(shí) 

3、Tensorflow線性回歸 

4、Tensorflow非線性回歸 

5、Mnist數(shù)據(jù)集合Softmax講解 

6、使用BP神經(jīng)網(wǎng)絡(luò)搭建手寫數(shù)字識(shí)別 

7、交叉熵(cross-entropy)講解和使用 

8、過擬合,正則化,Dropout 

9、各種優(yōu)化器Optimizer 

10、改進(jìn)手寫數(shù)字識(shí)別網(wǎng)絡(luò)  

11、模型保存與載入  

第四章  深度學(xué)習(xí)之卷積神經(jīng)網(wǎng)絡(luò) 

CIFAR圖形圖像識(shí)別項(xiàng)目

1、CIFAR項(xiàng)目需求介紹 

2、分析愛data_batch數(shù)據(jù)集 

3、CNN卷積神經(jīng)網(wǎng)絡(luò)介紹 

4、卷積、深度、池化、步長、激活函數(shù) 

－采用CNN完成CIFAR物體分類 

1、人臉識(shí)別數(shù)據(jù)集與算法介紹 

2、模型結(jié)構(gòu)設(shè)計(jì) 

3、人臉損失函數(shù)設(shè)計(jì) 

4、模型與參數(shù)調(diào)優(yōu) 

第五章  Keras 神經(jīng)網(wǎng)絡(luò)框架 

Keras理論介紹*實(shí)戰(zhàn) 

1、Keras神經(jīng)網(wǎng)絡(luò)框架介紹 

2、基于Keras情感類分析 

3、動(dòng)物分類器實(shí)現(xiàn) 

4、采用Keras實(shí)現(xiàn)非線性回歸 

5、生成式對(duì)抗神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用 

6、模塊結(jié)構(gòu)分析與優(yōu)化策略 

7、采用Keras重構(gòu)TensorFlow項(xiàng)目 

第六章  Open CV計(jì)算機(jī)視覺技術(shù) 

OpenCV的人臉識(shí)別 

1、OpenVI*框架介紹與安裝測(cè)試 

2、OpenCV DNN中使用IE模塊加速 

3、轉(zhuǎn)化工具與IE模塊加速 

4、準(zhǔn)備人臉數(shù)據(jù) 

5、CV掃描圖像、平滑、擴(kuò)張實(shí)現(xiàn) 

6、DNN神經(jīng)網(wǎng)絡(luò)識(shí)別人臉 

7、測(cè)試與調(diào)優(yōu)操作 

8、基于Open CV DNN 構(gòu)建車輛與車牌檢查模型 

第七章  YOYO目標(biāo)識(shí)別框架技術(shù) 

YOYO目標(biāo)識(shí)別框架介紹 

1、標(biāo)檢測(cè)任務(wù)介紹 

2、RCNN/Fast-RCNN/Faster-RCNN算法介紹 

3、YOLO算法介紹 

4、目標(biāo)分割任務(wù)介紹 

5、全卷積網(wǎng)絡(luò) 

6、雙線性上采樣 

7、特征金字塔 

8、Mask RCNN算法介紹 

9、目標(biāo)分割項(xiàng)目實(shí)戰(zhàn)

第八章  圖數(shù)據(jù)庫與構(gòu)建知識(shí)圖譜

知識(shí)表示與建模 

1、知識(shí)圖譜核心技術(shù)：知識(shí)推理 

2、知識(shí)圖譜應(yīng)用場(chǎng)景與抽取概述介紹 

3、本體知識(shí)推理與任務(wù)分類 

4、實(shí)體與關(guān)系、事件抽取技術(shù) 

5、采用TxtCnn、CRF完成知識(shí)抽取 

6、采用RNN、LSTM完成知識(shí)抽取

知識(shí)存儲(chǔ)與問答機(jī)器人構(gòu)建 

1、知識(shí)存儲(chǔ)neo4j常用數(shù)據(jù)庫 

2、Cyhper語言介紹 

3、采用Py操作Neo4j數(shù)據(jù)庫 

4、基于知識(shí)圖譜問答機(jī)器人構(gòu)建