《Python+机器算法深度学习实战 培训班》参与目的
课程中通过细致讲解，使学员掌握该技术的本质。具体收益包括：
1.回归算法理论与实战；
2.决策树算法理论与实战；
3.集成学习算法理论与实战；
4.KNN算法和决策树算法理论与实战；
5.聚类算法理论与实战；
6.神经网络算法；
7.Tensorflow；
8.生成式对抗网络GANs。
《Python+机器算法深度学习实战 培训班》参与对象
《Python+机器算法深度学习实战 培训班》课程大纲
机器学习简介
回归算法理论与实战：
1.一元线性回归
2.代价函数
3.梯度下降法
4.使用梯度下降法实现一元线性回归
5.标准方程法
6.使用sklearn实现一元线性回归
7.多元线性回归
8.使用sklearn实现多元线性回归
9.特征缩放，交叉验证法
10.过拟合正则化
11.岭回归
12.sklearn实现岭回归
13.LASSO回归
14.sklearn实现LASSO回归
决策树算法理论与实战
15.决策树-信息熵,ID3,C4.5算法介绍
16.sklearn实现决策树
17.决策树-CART算法
18.决策树应用
集成学习算法理论与实战
19.Bagging介绍与使用
20.随机森林介绍与使用
21.Adaboost介绍与使用
22.Stacking和Voting介绍与使用
泰坦尼克号获救人员预测项目
KNN算法和决策树算法理论与实战
1.KNN算法介绍
2.python实现knn算法
3.sklearn实现knn算法完成iris数据集分类
聚类算法理论与实战
4.k-means算法原理
5.k-means算法实现
6.DBSCAN算法原理
7.DBSCAN算法实现
神经网络算法
8.神经网络基本原理
9.单层感知器程序
10.线性神经网络
11.激活函数，损失函数和梯度下降法
12.线性神经网络异或问题
13.BP神经网络介绍
14.BP算法推导
15.BP神经网络解决异或问题
16.BP算法完成手写数字识别
16.sklearn-BP神经网络解决手写数字识别
17.GOOGLE神经网络平台
特征工程贷款拖欠预测项目
用户流失预测项目
Tensorflow2.0（一）
1.深度学习框架介绍
2.Tensorflow安装
3.Tensorlfow基础知识：图，变量，fetch，feed
4.Tensorflow线性回归
5.Tensorflow非线性回归
6.Mnist数据集合Softmax讲解
7.使用BP神经网络搭建手写数字识别
8.交叉熵(cross-entropy)讲解和使用
图像识别项目
1.介绍Google图像识别模型Inception-v3
2.使用Inception-v3做图像识别
图像识别项目
3.训练自己的图像识别模型
验证码识别项目
4.多任务学习介绍
5.生存验证码图片
6.构建验证码识别模型
Kease 最佳实践
1. 安装和配置Keras,API
2. 回调函数与自定义训练过程
3. 深度神经网络DCNN实现
4. 采用深度学习算法识别CIFRA-10图片
5. 调节参数来改善性能
业内经验交流
讲师介绍
专家
暂无
