1. <del id="djlcs"></del>

              當前位置: 首頁 > 內訓課程 > 課程內容
              廣告1
              相關熱門公開課程更多 》
              相關熱門內訓課程更多 》
              相關最新下載資料

              機器學習與深度學習實戰案例及應用

              課程編號:34609

              課程價格:¥21200/天

              課程時長:2 天

              課程人氣:463

              行業類別:行業通用     

              專業類別:人工智能 

              授課講師:趙衛東

              • 課程說明
              • 講師介紹
              • 選擇同類課
              【培訓對象】


              【培訓收益】


              第一節 第一節:機器學習深度學習與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 決策樹和隨機森林; 1.6 SVM;
              1.7 多種聚類的原理和調參;1.8 TensorFlow典型應用;
              1.9 典型圖像處理; 1.10 多項式擬合;
              1.11快速傅里葉變換FFT; 1.12 奇異值分解SVD;
              1.13 Soble/Prewitt/Laplacian算子與卷積網絡;
              第一節:代碼和案例實踐
              1.1股票交易數據的 (指數)移動平均線與預測;
              1.2無人機圖像的風機葉片缺陷檢測和識別系統;
              1.3環保檢測數據異常檢測和分析;
              1.4股票數據分析;
              1.5社會學人群收入預測;
              1.6葡萄酒數據集的決策樹/隨機森林分類;
              1.7泰坦尼克乘客存活率估計;
              第二節
              第二節:卷積神經網絡CNN
              2.1 神經網絡結構,濾波器,卷積;
              2.2 池化,激活函數,反向傳播;
              2.3 目標分類與識別、目標檢測與追蹤;
              2.4 AlexNet、VGGNet、GoogleLeNet;
              2.5 Inception-V3/V4; 2.6 ResNet、DenseNet;
              第二節:代碼和案例實踐
              2.1 數字圖片分類;
              2.2 卷積核與特征提?。?br /> 2.3 以圖搜圖; 2.4 人證合一;
              2.5 卷積神經網絡調參經驗分享;
              第三節 第三節:圖像視頻的定位與識別
              3.1 視頻關鍵幀處理; 3.2 物體檢測與定位;
              3.3 RCNN,Fast-RCNN,Faster-RCNN,MaskRCNN;
              3.4 YOLO; 3.5 FaceNet;
              第三節:代碼和案例實踐:
              3.1 遷移學習; 3.2 人臉檢測;
              3.3 OCR字體定位和識別; 3.4??妥R云;
              3.5 氣象識別;


              章節 內 容
              第四節 第四節:循環神經網絡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雙向循環神經網絡結構;
              4.6 編碼器與解碼器結構;
              4.7 特征提?。簑ord2vec; 4.8 Seq2seq模型;
              第四節:代碼和案例實踐:
              4.1 看圖說話; 4.2 視頻理解; 4.3 藏頭詩生成;
              4.4 問答對話系統; 4.5 OCR;
              4.6 循環神經網絡調參經驗分享;
              第五節 第五節:自然語言處理
              5.1 語言模型Bi-Gram/Tri-Gram/N-Gram; 5.2分詞/詞性標注;
              5.3 詞向量; 5.4文本分類; 5.5機器翻譯;
              5.6 文本摘要; 5.7閱讀理解; 5.8 情感分析;
              第五節:代碼和案例實踐:
              5.1 HMM分詞; 5.2 問答系統;
              5.3 文本摘要的生成; 5.4智能對話系統和SeqSeq模型;
              5.5 閱讀理解的實現與Attention;
              第六節 第六節:生成對抗網絡GAN和強化學習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對抗生成神經網絡; 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 第六節:代碼和案例實踐:
              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 基于增強學習的游戲學習;
              6.6 DQN的實現; 

              咨詢電話:
              0571-86155444
              咨詢熱線:
              • 微信:13857108608
              聯系我們
              日韩一区二区三区免费高清|久久国产精品视频|精品一区二区无码|国产成人欧美日本在线观看

                    1. <del id="djlcs"></del>