中科图云收起
微信扫码看直播
活动内容收起
为进一步推动高等院校机器学习与深度学习教学工作的开展，加强国内各高等院校同行间的交流，培养国内的师资力量，将机器学习与深度学习的最新实训内容带入课堂，特举办“机器学习与深度学习案例实践班”，具体由北京中科软培科技有限公司举办，本次培训由权威师资主讲，培训主打理论结合实践主题，课程强调动手操作；内容以代码落地为主，以理论讲解为根，以公式推导为辅。
一、培训目的：
通过课程学习，可以理解机器学习的思维方式和关键技术；了解深度学习和机器学习在当前工业界的落地应用；能够根据数据分布选择合适的算法模型并书写代码，初步胜任使用Python进行数据挖掘、机器学习、深度学习等工作。
二、主讲专家：
邹博，中国科学院副研究员，天津大学软件学院创业导师，成立中国科学院邹博人工智能研究中心（杭州站），在翔创、天识、睿客邦等公司担任技术顾问，研究方向机器学习、深度学习、计算几何，应用于大型气象设备图像与文本挖掘、股票交易与预测、量子化学医药路径寻优、传统农资产品价格预测和决策等领域。
三、培训内容：
第 一 节 |
Python与TensorFlow
| 解释器Python2.7/3.6与IDE：Anaconda/Pycharm 列表/元组/字典/类/文件 numpy/scipy/matplotlib/panda的介绍和典型使用 scikit-learn的介绍和典型使用 TensorFlow典型应用 典型图像处理 多种数学曲线 多项式拟合 快速傅里叶变换FFT 奇异值分解SVD Soble/Prewitt/Laplacian算子与卷积网络 |
代码和案例实践： 卷积与(指数)移动平均线 股票数据分析 缺失数据的处理 环境数据异常检测和分析
|
第 二 节 |
回归分析
|
线性回归 Logistic/Softmax回归 广义线性回归 L1/L2正则化 Ridge与LASSO Elastic Net 梯度下降算法：BGD与SGD 特征选择与过拟合 Softmax回归的概念源头 最大熵模型 K-L散度
| 代码和案例实践： 1.股票数据的特征提取和应用 2.泰坦尼克号乘客缺失数据处理和存活率预测 3.环境检测数据异常分析和预测 4.模糊数据查询和数据校正方法 5.PCA与鸢尾花数据分类 6.二手车数据特征选择与算法模型比较 7.广告投入与销售额回归分析 8.鸢尾花数据集的分类 9.TensorFlow实现线性回归 10.TensorFlow实现Logistic回归 |
第 三 节 |
决策树和随机森林
| 熵、联合熵、条件熵、KL散度、互信息 最大似然估计与最大熵模型 ID3、C4.5、CART详解 决策树的正则化 预剪枝和后剪枝 Bagging 随机森林 不平衡数据集的处理 利用随机森林做特征选择 使用随机森林计算样本相似度 异常值检测 |
代码和案例实践： 1.随机森林与特征选择 2.决策树应用于回归 3.多标记的决策树回归 4.决策树和随机森林的可视化 5.葡萄酒数据集的决策树/随机森林分类 6.泰坦尼克乘客存活率估计
|
第 四 节 |
SVM |
线性可分支持向量机 软间隔 损失函数的理解 核函数的原理和选择 SMO算法 支持向量回归SVR 多分类SVM | 代码和案例实践： 1.原始数据和特征提取 2.调用开源库函数完成SVM 4.葡萄酒数据分类 5.数字图像的手写体识别 5.MNIST手写体识别 6.SVR用于时间序列曲线预测 7.SVM、Logistic回归、随机森林三者的横向比较 |
第 五 节 |
卷积神经网络CNN | 神经网络结构，滤波器，卷积 池化，激活函数，反向传播 目标分类与识别、目标检测与追踪 AlexNet、VGGNet、GoogleLeNet Inception-V3/V4 ResNet、DenseNet | 代码和案例实践： 数字图片分类 卷积核与特征提取 以图搜图 人证合一 卷积神经网络调参经验分享
|
第 六 节 |
图像视频的定位与识别 | 视频关键帧处理 物体检测与定位 RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN YOLO FaceNet | 代码和案例实践： 迁移学习 人脸检测 OCR字体定位和识别 睿客识云 气象识别
|
第 七 节 |
循环神经网络RNN
| RNN基本原理 LSTM、GRU Attention CNN+LSTM模型 Bi-LSTM双向循环神经网络结构 编码器与解码器结构 特征提取：word2vec Seq2seq模型 |
代码和案例实践： 看图说话 视频理解 藏头诗生成 问答对话系统 OCR 循环神经网络调参经验分享 |
第 八 节 |
自然语言处理 | 语言模型Bi-Gram/Tri-Gram/N-Gram 分词 词性标注 依存句法分析 语义关系抽取 词向量 文本分类 机器翻译 文本摘要 阅读理解 问答系统 情感分析 | 代码和案例实践： 输入法设计 HMM分词 文本摘要的生成 智能对话系统和SeqSeq模型 阅读理解的实现与Attention
|
第 九 节 |
生成对抗网络GAN | 生成与判别 生成模型：贝叶斯、HMM到深度生成模型 GAN对抗生成神经网络 DCGAN Conditional GAN InfoGan Wasserstein GAN | 代码和案例实践： 图片生成 看图说话 对抗生成神经网络调参经验分享 |
第 十 节 |
强化学习RL
| 为何使用增强学习 马尔科夫决策过程 贝尔曼方程、最优策略 策略迭代、值迭代 Q Learning SarsaLamda DQN A3C ELF | 代码和案例实践： OpenAI 飞翔的小鸟游戏 基于增强学习的游戏学习 DQN的实现
|
四、时间地点：可咨询：18310280875 472355722@qq.com
2019年1月18-22日 17日报到 （北京华清温泉宾馆）
五、培训对象：
各高等院校数据科学相关专业、计算机科学技术、网络工程、软件工程、信息工程、信息管理、、统计学专业、应用数学专业、经济管理专业、市场营销专业等科研、教学带头人，骨干教师、博士生、硕士生；各高校教务处、科研处、信息中心、实验中心领导。对机器学习技术有兴趣和需求，愿意进行深入钻研的从业人员。
六、报名费用：
4900元/人（含报名费、证书费、培训费、教材费、资料费）食宿统一安排费用自理。
七、颁发证书：
工信部和人社部相关部门颁发-证书。该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。
活动标签
您还可能感兴趣
您有任何问题，在这里提问！
全部讨论
下载App观看回放
扫码小程序报名
联系主办方
联系电话：
