机器学习与深度学习培训

【培训对象】
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。

 

• 人工智能机器学习算法在项目中的实战

   

  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..

  ￥   元/ 天

  人气：757  

  

• 人工智能机器学习与深度学习实战案例及应用

   

  章节 内 容 第一节 ..

  ￥   元/ 天

  人气：727  

  

• 机器学习闭环系统设计方法

   

  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..

  ￥   元/ 天

  人气：771  

  

• 人工智能深度学习培训大纲

   

  时间安排 课程内容 第 一 ..

  ￥   元/ 天

  人气：776  

  

• 北京游学京东游学考察学习培训

   

  游学京东行程安排（第一天） 时间 具体安排 ..

  ￥   元/ 天

  人气：864  

  

• 北京海底捞公司游学考察学习培训

   

  【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..

  ￥   元/ 天

  人气：1175