- 网络营销实战系统——打造赚钱机器
- 理解注塑成型的高分子原理、成型基本流
- 机器换人引爆企业设备维护系统升级研修
- 赚钱机器-全面设备管理(TPM)
- 赚钱机器-全面设备管理(TPM)
- 赚钱机器-全面设备管理(TPM)
- 赚钱机器-全面设备管理(TPM)
- 机器学习、深度学习、计算机图像处理和
- 行政管理实操训练
- VDA6.3(2023年)过程审核培
- 服装销售技巧培训
- 家居行业家具销售技巧培训
- 汽车4S店销售技巧培训
- 银行大堂经理服务礼仪培训
- 专业奢侈品培训
- 员工职业礼仪培训
- 银行新员工培训
- 理财经理培训方案
- TTT-KCI培训师专业发展胜任力
- 管理培训:计划与目标管理
- 课程说明
- 讲师介绍
- 选择同类课
计算机相关专业本科;或理工科本科,且至少熟悉一门编程语言。
【培训收益】
掌握数据挖掘与机器学习基本知识; 掌握数据挖掘与机器学习进阶知识; 掌握深度学习的理论与实践; 掌握Python开发技能; 掌握深度学习工具:TensorFlow、Keras等; 为学员的后续项目应用提供针对性的建议。
【课程大纲】(培训内容可根据客户需求调整)
时间 内容 案例实践与练习
Day1初识机器学习
上午
概述入门
数据预处理 概述(第一天——1)
1、概念与术语(人工智能、数据挖掘、机器学习)
2、数据挖掘的对象
3、数据挖掘的关键技术
4、知识的表达
5、Python的安装
数据预处理(第一天——2)
1、数据清理
2、规范化
3、模糊集
4、粗糙集
5、无标签时:PCA
6、有标签时:Fisher线性判别
数据压缩(DFT、小波变换) 案例实践:
1、python安装
2、Tensorflow安装
3、PCA的实验
4、DFT的实验
Day1初识机器学习
下午
回归与时序分析
决策树 回归与时序分析 (第一天——3)
1、线性回归
2、非线性回归
3、logistics回归
4、平稳性、截尾与拖尾
5、ARIMA
决策树(第一天——4)
1、分类和预测
2、熵减过程与贪心法
3、ID3
4、C4.5
5、其他改进方法
决策树剪枝 案例实践:
1、回归的实验
2、ARIMA预测实验
3、决策树的实验
Day2机器学习中的典型算法
上午
聚类
关联规则
朴素贝叶斯与KNN 聚类(第二天——1)
1、监督学习与无监督学习
2、K-means与k-medoids
3、层次的方法
4、基于密度的方法
5、基于网格的方法
6、孤立点分析
关联规则(第二天——2)
1、频繁项集
2、支持度与置信度
3、提升度
4、Apriori性质
5、连接与剪枝
朴素贝叶斯与KNN(第二天——3)
1、KNN
2、概率论基础:条件概率、联合概率、分布、共轭先验。
3、“概率派”与“贝叶斯派”
4、朴素贝叶斯模型
案例实践:
1、鸢尾花数据的聚类
2、超市购物篮——关联规则分析
3、朴素贝叶斯案例:皮马印第安人患糖尿病的风险
Day2机器学习中的典型算法
下午
极大似然估计与EM算法
性能评价指标 极大似然估计与EM算法(第二天——4)
1、极大似然估计
2、对数似然函数
3、EM算法
性能评价指标(第二天——5)
1、准确率;精确率、召回率;F1
2、真阳性率、假阳性率
3、混淆矩阵
4、ROC与AUC
5、对数损失
6、Kappa系数
7、回归:平均绝对误差、平均平方误差
8、聚类:兰德指数、互信息
9、k折验证 案例实践:
1、正态分析的参数估计
2、EM算法应用案例:双正态分布的参数估计
3、绘制ROC并计算AUC、F1
4、绘制拟合曲线,计算拟合优度
Day3神经网络专题
上午
BP神经网络
模拟退火算法与其他神经网络 BP神经网络 (第三天——1)
1、人工神经元及感知机模型
2、前向神经网络
3、sigmoid
4、径向基函数神经网络
5、误差反向传播
模拟退火算法与其他神经网络 (第三天——2)
1、模拟退火算法
2、Hopfield网络
3、自组织特征映射神经网络(SOM)
4、受限布尔兹曼机 案例实践:
1、可以手算的神经网络
2、神经网络模拟一个圆锥曲面
3、“货郎担”问题(模拟退火算法)
4、识别破损的字母(Hopfield网络)
5、聚类的另一种解法(SOM)
Day3神经网络专题
下午
机器学习中的最优化方法
遗传算法 机器学习中的最优化方法(第三天——3)
1、参数学习方法
2、损失函数(或目标函数)
3、梯度下降
4、随机梯度下降
5、牛顿法
6、拟牛顿法
遗传算法 (第三天——4)
1、种群、适应性度量
2、交叉、选择、变异
3、基本算法 案例实践:
1、随机梯度下降的例子
2、牛顿法求Rosenbrock(香蕉函数)的极值
3、“同宿舍”问题:遗传算法
Day4机器学习进阶
上午
支持向量机
隐马尔科夫模型 支持向量机 (第四天——1)
1、统计学习问题
2、支持向量机
3、核函数
4、多分类的支持向量机
5、用于连续值预测的支持向量机
隐马尔科夫模型(第四天——2)
1、马尔科夫过程
2、隐马尔科夫模型
3、三个基本问题(评估、解码、学习)
4、前向-后向算法
5、Viterbi算法
6、Baum-Welch算法
案例实践:
1、SVM:iris的三个分类
2、HMM示例:天气与地表积水、罐中的彩球
3、HMM之前向算法:掷骰子的序列
4、HMM之viterbi算法:是否生病了?
Day4机器学习进阶
下午
文本挖掘
从LSA到LDA 文本挖掘(第四天——3)
1、文本分析功能
2、文本特征的提取
4、TF-IDF
5、文本分类
5、文本聚类
从LSA到LDA(第四天——3)
1、LSA
2、pLSA
3、LDA
案例实践:
1、英文文本分析;
2、中文文本分析:《绝代双骄》
3、中文语句情感分析
4、LSA和LDA的比较
Day5机器学习进阶与深度学习初步
上午
利用无标签的样本
集成学习 利用无标签的样本(第五天——1)
1、半监督学习
2、直推式学习
3、主动学习
集成学习(第五天——2)
1、bagging
2、co-training
3、adaboost
4、随机森林
5、GBDT 案例实践:
1、半监督学习:SVM标签扩展;
2、主动学习:手写数字
3、bagging、adaboost、RF、GBDT的例子
Day5机器学习进阶与深度学习初步
下午
强化学习
深度学习-1 强化学习(第五天——3)
1、agent的属性
2、exploration and exploitation
3、Bellman期望方程
4、最优策略
5、策略迭代与价值迭代
6、Q学习算法
深度学习-1(第五天——4)
1、连接主义的兴衰
2、深度学习与神经网络的区别与联系
3、目标函数
4、激励函数
学习步长 案例实践:
1、强化学习示例:走迷宫
2、强化学习:谷底的小车
3、深度学习示例:模式识别
Day6深度学习
上午
深度学习-2
深度学习-3 深度学习-2(第六天——1)
1、优化算法
2、Adagrad
3、RMSprop
4、Adam
5、避免过适应
深度学习-3(第六天——2)
1、典型应用场景
2、CNN
3、各种CNN
4、RNN
LSTM、GRU 案例实践:
1、CNN的准备示例
2、CNN处理MNIST手写数字数据集
3、RNN准备示例
4、RNN分析股票趋势
5、LSTM的准备示例
Day6深度学习
下午
深度学习-4 1、GAN
2、DQN
案例实践:
1、DQN结合CNN:“flappy bird”
【授课环境】
讲课环境要能上网
【预装机要求】
要装Tensorflow和anaconda+python这两个软件,
其中anaconda+python下载地址是:https://www.anaconda.com/download/#macos;
其中Tensorflow的安装方法:
如果是没有GPU设备的机器:先装anaconda+python,然后在python环境中,pip install tensorflow即可;
如果是有GPU设备的机器,参考以下教程:https://blog.csdn.net/gangeqian2/article/details/79358543或https://blog.csdn.net/weixin_39290638/article/details/80045236
叶梓,上海交通大学计算机专业博士毕业,高级工程师。主研方向:数据挖掘、机器学习、人工智能。历任国内知名上市IT企业的AI技术总监、资深技术专家,市级行业大数据平台技术负责人。
长期负责城市信息化智能平台的建设工作,开展行业数据的智能化应用研发工作,牵头多个省级、市级行业智能化信息系统的建设,主持设计并搭建多个省级、市级行业大数据平台。参与国家级人工智能课题,牵头上海市级人工智能示范应用课题研究。
带领团队在相关行业领域研发多款人工智能创新产品,成功落地多项大数据、人工智能前沿项目,其中信息化智能平台项目曾荣获:“上海市信息技术优秀应用成果奖”。带领团队在参加国际NLP算法大赛,获得Top1%的成绩。参与国家级、省级大数据技术标准的制定,曾获省部级以上的科技创新一等奖。
1. 论文发表/项目经历
在国内外期刊、会议中发表论文27篇,其中被SCI/EI收录4篇
项目经历:
l 上海市城市信息化人工智能项目 项目负责人
ü 研发智能服务系统,包括:元宇宙与虚拟数字人、基于人工智能的内容生成(AIGC)、基于NLP技术的对话系统、基于深度学习的图像识别系统、基于智能推理的行业推荐系统。
相关工作:
作为项目总负责,负责项目管理、产品研发、系统分析、技术指导、算法指导等。
l 上海市城市智能信息化工程 总工程师
ü 采用大数据技术,建设市级信息平台,完成试点单位接入并采集居民相关信息,实现市级平台档案等服务,并实现所有单位的全面接入。
ü 为解决超量数据的存储与计算的问题,搭建了存储全市数据的云计算平台,并在其上进行了基于大数据的分析和挖掘工作。
相关工作:
作为总工程师,负责技术管理、系统分析、云平台数据存储设计、数据分析与挖掘指导、开发指导。
l 上海市城市信息化领域智能联网工程 技术经理
ü 建设内容包括:接入单位的联网;智能卡的实现;城市信息化智能平台的升级;科研平台的扩展与升级;建立决策支持系统;评估体系的展示设计;短信平台的实现;违规操作的提醒;协同智能服务平台的实现等。
相关工作:
作为技术经理负责总体架构设计、接口设计、大数据平台设计、AI技术指导等。
3. 主攻方向
具有扎实的数据挖掘、机器学习、深度学习等人工智能理论基础;了解AIGC等技术前沿动态。
精通机器学习、深度学习的理论、模型、算法、调优等;精通算法设计;
熟悉深度学习在自然语言处理、计算机视觉两大核心领域的实用技巧;
15年以上的程序开发经验,熟悉常用程序开发架构,独立完成多个产品级软件的设计与开发。
-
一.介绍机器学习,什么是机器学习a) 简单介绍机器学习,数据挖掘b) 机器学习和数据挖掘的基本概念和原理c) 机器学习用来解决什么问题机器学习的应用场景1) 机器学习应用场景之一------分类以及分类的应用场景a) 分类概念b) 分类的应用c) 分类和聚类、推荐的区别d) 分类工作原理e) 分类中概念术语..
-
第一章. 机器学习和深度学习系统设计方法论a)机器学习和深度学习的概念和区别b)人工智能算法工程师的日常工作流程c)传统机器学习的系统设计方法d)人工智能时代深度学习的系统设计方法第二章.机器学习和深度学习人工智能的常见开发流程a)洞悉公司业务业务逻辑痛点,抽象出计算机解决方法方案b)数据清洗和预处理c)构建数据集,数..
-
【考察背景】海底捞成立于1994年,是一家以经营川味火锅为主、融汇各地火锅特色为一体的大型跨省直营餐饮品牌火锅店,全称是四川海底捞餐饮股份有限公司。在简阳、北京、上海、沈阳、天津、武汉、石家庄、西安、郑州、南京、广州、杭州、深圳、成都、韩国、日本、新加坡、美国等城市和国家有百余家直营连锁餐厅。海底捞从1994年成立之初到现在,22年间以独特的经营..