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

              當前位置: 首頁(yè) > 內訓課程 > 課程內容
              廣告1
              相關(guān)熱門(mén)公開(kāi)課程更多 》
              相關(guān)熱門(mén)內訓課程更多 》
              相關(guān)最新下載資料

              人工智能+自然語(yǔ)言處理

              課程編號:37660

              課程價(jià)格:¥25000/天

              課程時(shí)長(cháng):3 天

              課程人氣:547

              行業(yè)類(lèi)別:IT網(wǎng)絡(luò )     

              專(zhuān)業(yè)類(lèi)別:人工智能 

              授課講師:葉梓

              • 課程說(shuō)明
              • 講師介紹
              • 選擇同類(lèi)課
              【培訓對象】


              【培訓收益】



              第一節:人工智能與機器學(xué)習基礎1.人工智能概述
              2.機器學(xué)習概述
              3.機器學(xué)習算法應用分析

               

              第二節:回歸算法 1.一元線(xiàn)性回歸
              2.代價(jià)函數
              3.梯度下降法
              4.sklearn一元線(xiàn)性回歸應用
              5.多元線(xiàn)性回歸
              6.sklearn多元線(xiàn)性回歸應用
              案例:葡萄酒質(zhì)量和時(shí)間的關(guān)系


              第三節:KNN分類(lèi)算法 1.KNN分類(lèi)算法介紹
              2.KNN分類(lèi)算法應用
              3.KNN實(shí)現
              案例:鳶尾花分類(lèi)


              第四節:決策樹(shù)算法 1.決策樹(shù)算法介紹
              2.熵的定義
              3.決策樹(shù)算法與應用實(shí)現
              案例:用戶(hù)購買(mǎi)行為預測


              第五節:集成算法與隨機森林 1.Bagging算法介紹
              2.隨機森林建模方法
              3.Adaboost算法介紹
              4.Stacking算法介紹
              5.Voting算法介紹


              第六節:K-means聚類(lèi)算法 1.K-means算法介紹
              2.K-means算法應用
              3.K-means算法實(shí)際應用案例
              案例:NBA球隊實(shí)力聚類(lèi)分析

              第七節:支持向量機 1.SVM算法介紹
              案例:SVM完成人臉識別應用


              第八節:特征工程項目-銀行
              用戶(hù)違約預測 1.數據缺失處理
              2.特征篩選方法
              3.特征工程
              4.數據不平衡問(wèn)題處理
              5.算法選擇
              6.結果評估

              第九節:深度學(xué)習基礎-
              神經(jīng)網(wǎng)絡(luò )介紹 1.人工神經(jīng)網(wǎng)絡(luò )發(fā)展史
              2.單層感知器
              3.激活函數,損失函數和梯度下降法
              4.BP算法介紹
              案例:BP算法解決手寫(xiě)數字識別問(wèn)題


              第十節:Tensorflow基礎應用 1.Mnist數據集合Softmax講解
              2.使用BP神經(jīng)網(wǎng)絡(luò )搭建手寫(xiě)數字識別
              3.交叉熵(cross-entropy)講解和使用
              4.過(guò)擬合,正則化,Dropout
              5.各種優(yōu)化器Optimizer

              第十一節:卷積神經(jīng)網(wǎng)絡(luò )CNN應用 1.CNN卷積神經(jīng)網(wǎng)絡(luò )
              2.卷積層、池化層(均值池化、最大池化)
              3.CNN手寫(xiě)數字案例

              第十二節:長(cháng)短時(shí)記憶網(wǎng)絡(luò )
              LSTM應用 1.RNN循環(huán)神經(jīng)網(wǎng)絡(luò )
              2.長(cháng)短時(shí)記憶網(wǎng)絡(luò )LSTM
              3.LSTM應用案例


              第十三節:常用卷積網(wǎng)絡(luò )模型介紹 1.AlexNet模型介紹
              2.VGG模型介紹
              3.Inception模型介紹
              4.ResNet模型介紹


              第十四節:用自己的數據來(lái)訓練一個(gè)新的圖像識別模型 1.數據準備
              2.數據增強
              3.模型搭建
              4.模型訓練
              5.結果測試

               


              第十五節:目標檢測模型介紹 1.目標檢測項目介紹
              2.R-CNN模型介紹
              3.SPPNET模型介紹
              4.Fast-RCNN模型介紹
              5.Faster-RCNN模型介紹
              6.SSD模型介紹
              7.yolo-v1模型介紹
              8.yolo-v2模型介紹
              9.yolo-v3模型介紹


              第十六節:目標檢測模型實(shí)戰 1.項目安裝配置環(huán)境
              2.準備數據集
              3.使用訓練好的目標檢測模型進(jìn)行預測
              4.用自己的數據訓練新的目標檢測模型


              第十七節:自然語(yǔ)言處理技術(shù)介紹 1. word2vec介紹
              2.Transformer模型介紹
              3.Self-Attention機制介紹
              4.多頭注意力機制介紹
              5..Bert模型介紹
              6.GPT-3模型介紹

              第十八節:自然語(yǔ)言處理項目實(shí)戰 1.用CNN訓練一個(gè)新的文本分類(lèi)模型
              2.用LSTM訓練一個(gè)新的文本分類(lèi)模型
              3.用Bert訓練一個(gè)新的文本分類(lèi)模型

              課后輔助: 1.針對學(xué)員面對的問(wèn)題進(jìn)行討論,提出建議
              2.建立微信群(課后技術(shù)免費指導)
              3.上課ppt資料都發(fā)到群里面 

              咨詢(xún)電話(huà):
              0571-86155444
              咨詢(xún)熱線(xiàn):
              • 微信:13857108608
              聯(lián)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>