人工智能应用深度实践

人工智能应用深度实践

课程简介

本课程重点讲解深度学习的模型,包括CNN卷积神经网络、RNN循环神经网络(LSTM)模型的算法及其应用、Connectionist   Temporal Classification算法及其应用,如GoogleNet,Fully Convolutional   Networks模型深入理解与应用,以及深度学习训练数据集的准备,深度学习的发展趋势,文字检测与识别算法的发展历程,以及文本分析在深度学习技术下的新应用。在深度学习实践方面,本课程基于SK-learn和Tensorflow深度学平台开展实践教学,对算法的具体内涵和应用场景进行深度剖析和讲解。 

本课程在实践方面,结合Python  SK-learn、TensorFlow实现深度学习实践。


课程收益

1、了解机器学习系统

2、了解机器学习框架

3、掌握机器学习框架使用

4、掌握深度学习Tensorflow框架


课程特点

通过理论与实践相结合的方式,使用python语言作为主线,贯穿机器学习算法、框架,深度学习框架,人工智能,以实战出发,动手练习操作,现场问答,提升其行动学习能力:

采用“知识地图”形成持续学习网络 

知识地图”分共三级:一级是领域知识一览图(思维导图);二级是高度提炼的知识内容要点(PPT);三级是中外优质资源的知识原文出处(网站链接) 。


通过 “知识地图”,帮助学员构建持续学习网络,使其对大数据架构“领域知识”一览无余,“前沿动态”实时掌握!

通过“沙盘演练”在实战中学习

课堂没有冗长乏味的理论讲授,而是通过“沙盘演练”,用实战串讲知识,用演练提升能力,帮助学员迅速从“初出茅庐”的新兵成长为“身经百战”的长胜将军,并具备在行动中学习的能力。


本课程对应上机环境提供VMware虚拟机现场试验


课程对象

数据分析数据挖掘相关人员

对人工智能感兴趣的人员


学员基础

具备初步的IT基础知识

具备linux操作经验(不做强制性要求)


培训大纲

时间

    

案例实践与练习

Day1

上午

第一篇

机器学习

大数据介绍

机器学习、人工智能及深度学习趋势介绍

深度学习、深度学习框架介绍

四、开发语言与深度学习

五、流行开发语言Python与机器学习渊源

六、机器学习环境搭建

案例研讨:

大数据分析与机器学习、人工智能及深度学习

Day1

下午

第二篇

机器学习系统架构

一、Python编程技巧与技能提升

二、Python科学计算库应用

三、数据可视化与数据呈现

四、数据处理与数据清洗

五、实战一:数据处理实战

案例研讨:

Pyhton程序与数据处理

 

Day2

上午

第三篇

大数据分析Spark MLlib

一、机器学习算介绍

二、算法与应用讲解

三、SK-learn机器学习库讲解

四、SK-learn机器学习与算法应用

五、数据、算法、框架应用

六、公用数据使用技巧

案例研讨:

算法学习、框架学习

Day2

下午

第四篇

大数据分析Spark接口

一、算法理解与分析

二、Python编写算法及优化算法

三、机器学习算法应用

四、案例:机器学习算法案例一

五、案例:模型建模案例分享二

案例练习:

机器学习库与算法训练

Day3

上午

第五篇

深度学习

一、深度学习与TensorFlow简介

二、TensorFlowOnSpark简介

三、卷积神经网络简介

四、TensorFlow实现卷积神经网络

五、循环神经网络简介

六、TensorFlow实现循环神经网络

案例研讨:

大数据分析与深度学习关系?

Day3

下午

第六篇

深度学习与人工智能

一、人工智能简介

二、人工智能趋势及关键技术

三、openCV图像处理

四、案例:深度学习与人脸识别

五、案例:深度学习高级应用案例

案例研讨:

结合业务深度学习应用场景设计,老师针对方案点评评比及后续建议

 



课程推荐

最新课表
免费课程预约