产品展示

全力为中小企业提供网页设计、网站建设等店铺详情装修设计、平面设计、品牌推广等高度定制服务

课程推荐

课程介绍:

 

本培训实践与理论并重,通过理论讲解,算法阐述,算法适用场景,实例分析和编码实践,以及对最新的人工智能算法的趋势和热点的分析和介绍,使学员不仅掌握机器学习,人工智能领域常用算法,而且可以在实战中应用机器学习人工智能解决工作中的实际问题,从而帮助企业在人工智能时代拔得头筹占得先机

 

 

课程大纲:

 

1人工智能和机器学习概述
人工智能发展史
应用场景概述:如图像识别,文本分析,推荐系统
最近成果概述:如强化学习,生成式对抗网络,基于低能量的网络,one-shot leaning
软件框架概述,如sparkML,sklean,
tensorflow,caffe,Theano
 

2 线性回归
通过图形直观展示线性回归算法
线性回归算法详解—成本函数和参数更新函数
机器是怎么学习? --梯度下降算法详述
学的“快”和“好”--学习率的权衡与最佳实践
保持相同的“起跑线”的利器-Feature Scaling
多变量线性回归模型介绍

 

3 多项式回归模型
真实世界不全是线性的--如何应对更复杂的场景
过犹不及--模型的过分拟合和拟合不足
训练一个“恰好”模型的最佳实践
模型的优劣的评估

 

4 逻辑回归
逻辑回归模型和场景概述
线性匪类器与非线性分类器
激活函数的多种选择
cost function的变化

 

5 多分类的逻辑回归
one-hot encoding
两种多分类的方案
one-vs-all方案
soft-max方案

 

6分类算法:决策树
分类与聚类
决策树特点和原理
建立决策树
最佳划分的度量:信息熵的应用
模型的过分拟合和拟合不足

模型优劣的评估
 

7 组合方法
组合分类的基本原理
偏倚-方差分解
随机森林
袋装方法

 

8 聚类算法:K-means
监督学习和无监督学习比较
非监督模型场景举例
图形展示K-means的训练过程
两步实现K-means算法
K的选择问题
K-means算法导致局部最优及最佳实践

首页    全部课程    大数据专题    大数据与人工智能-实践