当前位置: 首页 > 内训课程 > 课程内容
广告1
相关热门公开课程更多 》
相关热门内训课程更多 》
相关最新下载资料

人工智能与深度学习

课程编号:37661

课程价格:¥25000/天

课程时长:3 天

课程人气:422

行业类别:IT网络     

专业类别:人工智能 

授课讲师:叶梓

  • 课程说明
  • 讲师介绍
  • 选择同类课
【培训对象】


【培训收益】



第一天:人工智能概念与经典算法
人工智能概念综述(第一天——1)
1、从一些术语辨析人工智能
2、人工智能之连接主义的兴衰史
3、这次AI的热潮是怎么来的?

图像处理领域的最新热点(第一天——2)
1、分类、目标检测与实例分割
2、风格迁移
3、自动驾驶
4、人体姿态识别
5、超分辨率图像生成

语言处理领域的最新热点(第一天——3)
1、Attention机制
2、自动构建知识图谱
3、看图说话
4、预训练机制

三大经典算法(第一天——4)
1、决策树算法
2、决策树案例:手术后驼背的发生概率
3、聚类算法
4、聚类案例:鸢尾花数据的聚类
5、关联规则算法
6、关联规则案例:超市购物篮分析

性能评价指标(第一天——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、案例:绘制ROC并计算AUC、F1
6、对数损失
7、Kappa系数
8、回归:平均绝对误差、平均平方误差
9、案例:绘制拟合曲线,计算拟合优度
10、聚类:兰德指数、互信息
11、k折验证

BP神经网络 (第一天——6)
1、人工神经元及感知机模型
2、前向神经网络
3、sigmoid
4、梯度下降
5、误差反向传播
6、BP神经网络案例:可手算的神经网络

支持向量机 (第一天——7)
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
6、SVM案例: iris的三个分类

第二天:机器学习进阶与深度学习初步
隐马尔科夫模型(第二天——1)
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

集成学习(第二天——2)
1、bagging
2、adaboost
3、随机森林
4、GBDT

深度学习初步(第二天——3)
1、深度学习与神经网络的区别与联系
2、目标函数
3、激励函数
4、学习步长
5、Adagrad\RMSprop\Adam
6、避免过适应

用于分类的CNN(第二天——4)
1、分类典型应用场景(imageNet数据集)
2、Alexnet(开山之作)
3、VGG(5层变为5组)
4、GoogLenet(还在试验各种架构的组合吗?)
5、Resnet(还可以再“深”下去)

用于目标检测的CNN(第二天——5)
1、CNN目标检测典型应用场景
2、RCNN(两个头的网络)
3、Fast/faster RCNN(又快又好)

第三天:深度学习与强化学习
RNN(第三天——1)
1、基本RNN
2、LSTM(三个门)
3、GRU(减为两个门)

GAN(第三天——2)
1、基本的生成对抗网络
2、DCGAN(技巧的胜利)
3、Wassertein GAN(理论的胜利)

强化学习(第三天——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

深度强化学习案例:教电脑玩“flappy bird”(第三天——4)
1、DQN详解
2、Flappy Bird 游戏

深度强化学习案例:AlphaGo详解(第三天——5)
1、蒙特卡罗决策树
2、策略网络
3、价值网络
4、Alpha Go的完整体系 

咨询电话:
0571-86155444
咨询热线:
  • 微信:13857108608
联系我们