5
（7942人評(píng)價(jià)）
筆記：(65387)
學(xué)員：(97562)
瀏覽：(237018)
曙海教學(xué)優(yōu)勢(shì)
本課程，秉承二十一年積累的教學(xué)品質(zhì)，以項(xiàng)目實(shí)現(xiàn)為導(dǎo)向,面向企事業(yè)項(xiàng)目實(shí)際需要,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。課程可定制,線上/線下/上門(mén)皆可,熱線:4008699035。
曙海培訓(xùn)的課程培養(yǎng)了大批受企業(yè)歡迎的工程師。大批企業(yè)和曙海
建立了良好的合作關(guān)系,20多年來(lái)，合作企事業(yè)單位以達(dá)30多萬(wàn)。曙海培訓(xùn)的課程在業(yè)內(nèi)有著響亮的知名度。
本培訓(xùn)實(shí)踐與理論并重，通過(guò)理論講解，算法闡述，算法適用場(chǎng)景，實(shí)例分析和編碼實(shí)踐，以及對(duì)最新的人工智能算法的趨勢(shì)和熱點(diǎn)的分析和介紹，使學(xué)員不僅掌握機(jī)器學(xué)習(xí)，人工智能領(lǐng)域常用算法，而且可以在實(shí)戰(zhàn)中應(yīng)用機(jī)器學(xué)習(xí)人工智能解決工作中的實(shí)際問(wèn)題，從而幫助企業(yè)在人工智能時(shí)代拔得頭籌占得先機(jī)
1人工智能和機(jī)器學(xué)習(xí)概述
人工智能發(fā)展史
應(yīng)用場(chǎng)景概述：如圖像識(shí)別，文本分析，推薦系統(tǒng)
最近成果概述：如強(qiáng)化學(xué)習(xí)，生成式對(duì)抗網(wǎng)絡(luò)，基于低能量的網(wǎng)絡(luò)，one-shot leaning
軟件框架概述，如sparkML，sklean，tensorflow，caffe，Theano
2 線性回歸
通過(guò)圖形直觀展示線性回歸算法
線性回歸算法詳解—成本函數(shù)和參數(shù)更新函數(shù)
機(jī)器是怎么學(xué)習(xí)? --梯度下降算法詳述
學(xué)的“快”和“好”--學(xué)習(xí)率的權(quán)衡與最佳實(shí)踐
保持相同的“起跑線”的利器-Feature Scaling
多變量線性回歸模型介紹
3 多項(xiàng)式回歸模型
真實(shí)世界不全是線性的--如何應(yīng)對(duì)更復(fù)雜的場(chǎng)景
過(guò)猶不及--模型的過(guò)分?jǐn)M合和擬合不足
訓(xùn)練一個(gè)“恰好”模型的最佳實(shí)踐
模型的優(yōu)劣的評(píng)估
4 邏輯回歸
邏輯回歸模型和場(chǎng)景概述
線性匪類(lèi)器與非線性分類(lèi)器
激活函數(shù)的多種選擇
cost function的變化
5 多分類(lèi)的邏輯回歸
one-hot encoding
兩種多分類(lèi)的方案
one-vs-all方案
soft-max方案
6分類(lèi)算法：決策樹(shù)
分類(lèi)與聚類(lèi)
決策樹(shù)特點(diǎn)和原理
建立決策樹(shù)
最佳劃分的度量：信息熵的應(yīng)用
模型的過(guò)分?jǐn)M合和擬合不足
模型優(yōu)劣的評(píng)估
7 組合方法
組合分類(lèi)的基本原理
偏倚-方差分解
隨機(jī)森林
袋裝方法
8 聚類(lèi)算法：K-means
監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)比較
非監(jiān)督模型場(chǎng)景舉例
圖形展示K-means的訓(xùn)練過(guò)程
兩步實(shí)現(xiàn)K-means算法
K的選擇問(wèn)題
K-means算法導(dǎo)致局部最優(yōu)及最佳實(shí)踐
?
