5
（9653人評(píng)價(jià)）
筆記：(65387)
學(xué)員：(217537)
瀏覽：(277013)
曙海教學(xué)優(yōu)勢(shì)
本課程面向企事業(yè)項(xiàng)目實(shí)際需要,秉承二十一年積累的教學(xué)品質(zhì)，Python人工智能與機(jī)器學(xué)習(xí)開(kāi)發(fā)實(shí)戰(zhàn)培訓(xùn)-以項(xiàng)目實(shí)現(xiàn)為導(dǎo)向,老師將會(huì)與您分享設(shè)計(jì)的全流程以及工具的綜合使用經(jīng)驗(yàn)、技巧。線上/線下/上門(mén)皆可,Python人工智能與機(jī)器學(xué)習(xí)開(kāi)發(fā)實(shí)戰(zhàn)培訓(xùn)-專家,課程可定制,熱線:4008699035。
曙海的課程培養(yǎng)了大批受企業(yè)歡迎的工程師。曙海的課程在業(yè)內(nèi)有著響亮的知名度。大批企業(yè)和曙海
建立了良好的合作關(guān)系,合作企業(yè)30萬(wàn)+。
培訓(xùn)課程內(nèi)容：
|
時(shí)間 |
主題 |
內(nèi)容 |
|
|
? ? ? 第一天 ? |
上午 |
? 人工智能技術(shù)體系 ? |
1、人工智能的基本知識(shí)體系 2、人工智能的發(fā)展與主要技術(shù)突破 3、人工智能與機(jī)器學(xué)習(xí)的關(guān)系 4、機(jī)器學(xué)習(xí)的主要概念：訓(xùn)練方法，特征空間， 緊致性和可分性，泛化能力； 分類與聚類，有監(jiān)督和無(wú)監(jiān)督， 特征降維；線性分類器，貝葉斯分 類器，隨機(jī)森林分類器，神經(jīng)網(wǎng)絡(luò)分類器。? |
|
機(jī)器學(xué)習(xí)技術(shù) ? |
|||
|
? ? 第一天 ? |
? ? ? 下午 |
數(shù)據(jù)分析基本技能 ? |
1、數(shù)據(jù)預(yù)處理與數(shù)據(jù)格式轉(zhuǎn)換 2、多維數(shù)據(jù)的切片與篩選 3、特征提取與模型建立 4、機(jī)器學(xué)習(xí)模型性能評(píng)價(jià) |
|
? Python開(kāi)發(fā)環(huán)境和主要數(shù)據(jù)分析模塊 ? |
1、Anaconda 安裝與使用 2、Pycharm 集成開(kāi)發(fā)環(huán)境 3、Jupyter 開(kāi)發(fā)環(huán)境搭建 4、Tensorflow + Keras 框架 5、Python語(yǔ)言與其他語(yǔ)言的跨語(yǔ)言調(diào)用 |
||
|
? ? 第二天 ? ? ? ? |
? ? ? 上午 |
? Numpy數(shù)據(jù)分析與應(yīng)用案例 ? |
1、numpy數(shù)據(jù)分析與交通流量預(yù)測(cè)案例 1）時(shí)間序列模型 2）數(shù)據(jù)預(yù)處理與模型訓(xùn)練 2、機(jī)場(chǎng)安檢托盤(pán)物品檢測(cè)案例 1）圖像數(shù)據(jù)的處理 2）物品定位方法 |
|
? 下午 |
Pandas 和matplotlib工具包使用和案例分析 ? ? |
1、pandas數(shù)據(jù)處理技巧及應(yīng)用案例 1）車流量數(shù)據(jù)的預(yù)處理方法 2）數(shù)據(jù)缺失值得填充方法 3）多維數(shù)據(jù)可視化方法 4）空間數(shù)據(jù)可視化方法 |
|
|
? ? 第三天 ? ? ? ? |
? ? ? 上午 |
? 機(jī)器學(xué)習(xí)算法與案例分析 ? |
1、?神經(jīng)網(wǎng)絡(luò)模型以及其圖像和數(shù)據(jù)分析中的應(yīng)用案例分析 2、機(jī)場(chǎng)安檢托盤(pán)物品檢測(cè)案例 1）圖像數(shù)據(jù)的處理 2）物品定位方法 3、出租車位置聚類算法案例 4、摩拜單車需求量預(yù)測(cè)案例 |
|
? 下午 |
深度學(xué)習(xí)應(yīng)用案例 ? ? |
1、機(jī)場(chǎng)安檢危險(xiǎn)物品識(shí)別方法 1）數(shù)據(jù)的格式轉(zhuǎn)換 2）模型參數(shù)調(diào)整和優(yōu)化 3）應(yīng)用程序部署方法 2、停車場(chǎng)自動(dòng)收費(fèi)系統(tǒng) 1）車牌識(shí)別 2）車型識(shí)別 3）應(yīng)用程序生成與部署 |
|
?
?
