时间 | 大章节 | 小章节 |
第一天 | 一、python基础学习 | 1.python基础学习 2.科学计算包numpy使用学习 3.绘图工具包matplotlib学习 |
二、人工智能与机器学习基础 | 1.人工智能概述 2.机器学习概述 3.机器学习算法应用分析 | |
三、回归算法 | 1.一元线性回归 2.代价函数 3.梯度下降法 4.sklearn一元线性回归应用 5.多元线性回归 6.sklearn多元线性回归应用 案例:葡萄酒质量和时间的关系 | |
四、KNN分类算法 | 1.KNN分类算法介绍 2.KNN分类算法应用 3.KNN实现 案例:鸢尾花分类 | |
五、决策树算法 | 1.决策树算法介绍 2.熵的定义 3.决策树算法与应用实现 案例:用户购买行为预测 | |
六、集成算法与随机森林 | 1.Bagging算法介绍 2.随机森林建模方法 3.Adaboost算法介绍 4.stack算法介绍 | |
七、K-means聚类算法 | 1.K-means算法介绍 2.K-means算法应用 3.K-means算法实际应用案例 案例:NBA球队实力聚类分析 | |
第二天 | 八、支持向量机 | 1.SVM算法介绍 案例:SVM完成人脸识别应用 |
九、泰坦尼克号获救预测案例 | 1.缺失值填 2.特征筛选 3.案例实战 | |
十、深度学习基础-神经网络介绍 | 1.人工神经网络发展史 2.单层感知器 3.激活函数,损失函数和梯度下降法 4.BP算法介绍 案例:BP算法解决手写数字识别问题 | |
十一、Tensorflow基础应用 | 1.Tensorflow安装 2.Tensorlfow基础知识:图,变量,fetch,feed 3.Tensorflow线性回归 4.Tensorflow非线性回归 5.Mnist数据集合Softmax讲解 6.使用BP神经网络搭建手写数字识别 7.交叉熵(cross-entropy)讲解和使用 8.过拟合,正则化,Dropout 9.各种优化器Optimizer | |
第三天 | 十二、卷积神经网络CNN应用 | 1.CNN卷积神经网络 2.卷积层、池化层(均值池化、最大池化) 3.CNN手写数字案例 |
十三、长短时记忆网络LSTM应用 | 1.RNN循环神经网络 2.长短时记忆网络LSTM 3.LSTM应用案例 | |
十四、Google图像识别模型inception-v3项目实战 | 1.使用训练好的inception-v3完成图像识别 2.用自己收集的数据训练图像识别模型 3.使用迁移学习完成图像分类 | |
十五、自然语言处理项目实战 | 1.自然语言处理项目介绍 2.word2vec介绍 3.用CNN训练一个新的文本分类模型 4.用LSTM训练一个新的文本分类模型 | |
十六、目标检测项目实战 | 1.目标检测项目简介 2.R-CNN模型详解 3.SPPNET模型详解 4.Fast-RCNN模型详解 5.Faster-RCNN模型详解 6.Tensorflow实现Faster-RCNN目标检测 7.测试目标检测模型效果、目标检测算法标签标注 | |
十七、讨论及答疑 | 1:学员可结合自身感兴趣需要解决的疑难问题 2:可带着相关问题咨询授课老师 3:建立通讯录、微信群(课后技术指导) |
欢迎光临 机器人与人工智能爱好者论坛 (http://robot-ai.org/) | Powered by Discuz! X3.2 |