人工智能之机器学习_大讲台

高端IT人才在线实训平台

当前位置:首页  /  课程  /  人工智能之机器学习

人工智能之机器学习

人工智能之机器学习

分享到:

本课程包含完整的机器学习内容,分为机器学习基础、机器学习进阶和机器学习高级三大模块。本课程讲解通俗易懂,由浅入深,既有代码手把手操作,又有算法理论的深入讲解,同时还包含大量的项目案例。通过本课程的学习,大家可以从0开始全面、系统、深入一站式掌握机器学习。

  • 原价  ¥1299

  • 特惠价  ¥1099

时长    30小时          

全款购买 当前学习人数 1 收藏


课程介绍

随着人工智能的火爆,机器学习人才之争成为企业的关键,因此在这个时刻,我们来学习机器学习课程,将会对我们的职业发展起到决定性的作用。本套课程采用寻寻渐进的方式,先理论、后实战。保证每位学员,学习到企业一线相关的机器学习技术。本套课程涵盖机器学习的方方面面,涵盖回归算法、分类算法及聚类算法。同时在高级部分,增加了深度学习方面的知识,涵盖Tensorflow、CNN网络、RNN网络以及LSTM网络。



课程特色

1.课程内容系统、完整、前后衔接、层层递进,老师授课条理清晰、深入浅出、由浅入深。
2.课程中包含数十个热点项目案例,算法理论与实操相结合,全程课堂撸代码,拒绝照本宣科。
3.课程注重分享机器学习真实应用开发流程及项目经验。



适用人群

1.有志于入行人工智能的初学者
2.数学理工科相关专业的学生和研究人员
3.有一定编程基础希望转行人工智能的工程师
4.人工智能从业者和爱好者



学习目标

1.扩宽对不同场景下算法应用的理解,通过项目实战积累项目经验,为求职面试做好充分准备
2.掌握数据采集、数据清洗、特征选择、模型选择、模型训练测试、模型性能评估与优化以及模型使用等机器学习应用完整开发流程
3.结合实际项目案例,会利用机器学习模型和算法解决实际的业务问题,提升工作档次,助力职业快速发展


讲师介绍

  • Bruce

    大讲台人工智能特聘讲师

    计算机博士,目前就职于中科院某研究所,长期从事深度学习与机器学习研究工作,在NLP与CV领域有很深造诣,主持多项科技专项,并带领团队深入一线研发并落地,XXX视频监控与分析系统、XXX舆情监控系统、XXX智能对话系统及 XXX森林防火无人机跟拍系统等。申请发明专利2项、部级科技进步二等奖一次,在SIGIR、CIKM及AAAI的国际会议发表多篇文章。

免费视频这么多,为什么还要来大讲台?

智能化

学习任务智能推送

混合式

“图文+视频”混合式课件

答疑快

30分钟问答响应

实战多

3分理论7分实战

包学会

账号长期有效学会为止

课程大纲

第一阶段:机器学习介绍
1.1.什么是机器学习
1.2.机器学习有什么用
1.3.机器学习与AI的关系
1.4.机器学习与深度学习的关系
1.5.机器学习的分类
1.6.开发一个机器学习应用的典型步骤

1.6.1数据采集与标记

1.6.2数据清洗

1.6.3特征选择

1.6.4模型选择

1.6.5模型训练和测试

1.6.6模型性能评估与优化

1.6.7模型使用

第二阶段:机器学习基础
2.1.Numpy从0到1 2.1.1Numpy基础

2.1.1.1Numpy Ndarray对象

2.1.1.2Numpy数据类型

2.1.1.3Numpy数组属性

2.1.1.4Numpy创建数组

2.1.2Numpy进阶

2.1.2.1Numpy切片

2.1.2.2Numpy高级索引

2.1.2.3Numpy广播

2.1.2.4Numpy数组操作

2.1.2.5Numpy字符串操作

2.1.3Numpy高级

2.1.3.1Numpy数学算数函数

2.1.3.2Numpy算数运算

2.1.3.3Numpy统计函数

2.1.3.4Numpy矩阵库

2.1.3.5Numpy线性代数

2.2.Panads从0到1 2.2.1Panads基础
2.2.2基本数据结构
2.2.3数据排序
2.2.4数据访问
2.2.5时间序列
2.2.6数据可视化
2.2.7文件读写
2.3.Matplotlib从0到1 2.3.1图形样式
2.3.2图形对象
2.3.3画图操作
2.4.机器学习理论基础 2.4.1过拟合与欠拟合
2.4.2代价函数
2.4.3模型准确性
2.4.4模型性能的不同表述方式
2.4.5交叉集验证数据集
2.4.6学习曲线
2.4.7实例:画出学习曲线
2.4.8过拟合和欠拟合的特征
2.4.9算法模型的性能优化
2.4.10准去率与召回率
2.4.11F1 Score
第三阶段:机器学习进阶
3.1.KNN算法 3.1.1算法原理
3.1.2算法优缺点
3.1.3算法参数
3.1.4算法的变种
3.1.5示例:使用KNN进行分类
3.1.6示例:使用KNN进行回归拟合
3.1.7案例:老年人糖尿病预测

3.1.7.1 加载数据集

3.1.7.2 模型比较

3.1.7.3 模型训练及分析

3.1.7.4 特征选择及数据可视化

3.2.线性回归算法 3.2.1算法原理
3.2.2预测函数
3.2.3代价函数
3.2.4梯度下降算法
3.2.5多变量线性回归算法
3.2.6预测函数
3.2.7代价函数
3.2.8梯度下降算法
3.2.9模型优化
3.2.10多项式与线性回归
3.2.11数据归一化
3.2.12案例:Kaggle比赛房价预测

3.2.12.1输入特征

3.2.12.2模型训练

3.2.12.3模型优化

3.2.12.4学习曲线

3.3.逻辑回归算法 3.3.1算法原理
3.3.2预测函数
3.3.3判定边界
3.3.4代价函数
3.3.5梯度下降算法
3.3.6多元分类
3.3.7正则化
3.3.8线性回归模型正则化
3.3.9逻辑回归模型正则化
3.3.10案例:乳腺癌检测

3.3.10.1数据采集及特征提取

3.3.10.2模型训练

3.3.10.3模型优化

3.3.10.4学习曲线

3.4.决策树 3.4.1算法原理
3.4.2信息增益
3.4.3决策树创建
3.4.4剪枝算法
3.4.5算法参数
3.4.6案例:预测泰塔尼克号幸存者

3.4.6.1数据分析

3.4.6.2模型训练

3.4.6.3模型参数优化

3.4.6.4模型参数选择工具包

3.5.支持向量机 3.5.1算法原理
3.5.2大距离分类算法
3.5.3松弛系数
3.5.4核函数
3.5.5最简单的核函数
3.5.6相似性函数
3.5.7常用的核函数
3.5.8核函数的对比
3.5.9实例:猫狗分类

3.5.9.1 数据采集及特征提取

3.5.9.2 模型训练

3.5.9.3 模型优化

3.5.9.4 模型使用

3.6.朴素贝叶斯算法 3.6.1算法原理
3.6.2贝叶斯定理
3.6.3朴素贝叶斯分类法
3.6.4概率分布
3.6.5概率分布的基本概念
3.6.6多项式分布
3.6.7高斯分布
3.6.8案列:文档分类
3.6.9获取数据集
3.6.10档的数学表达
3.6.11模型训练
3.6.12模型评价
3.7.PCA算法 3.7.1算法原理
3.7.2数据归一化和缩放
3.7.3计算协方差举着的特征向量
3.7.4数据降维和恢复
3.7.5PCA算法实例
3.7.6使用numpy模拟PCA计算过程
3.7.7使用sklearn进行PCA降维
3.7.8案例:人脸识别

3.7.8.1加载数据集

3.7.8.2使用PCA来处理数据

3.7.8.3最终结果

3.8.聚类算法 3.8.1算法原理
3.8.2各种相似度度量及其相互关系
3.8.3Jaccard相似度和准确率、召回率
3.8.4Pearson相关系数与余弦相似度
3.8.5K-means
3.8.6实践:新闻聚类实现

3.8.6.1获取数据集

3.8.6.2文档的数学表达

3.8.6.3模型训练

3.8.6.4模型评价

第四阶段:机器学习高级
4.1.Tensorflow基础 4.1.1什么是张量
4.1.2计算图模型
4.1.3数据处理
4.1.4Tensorbord使用
4.2.神经网络基础 4.2.1模型原理
4.2.2激活函数
4.2.3Softmax
4.2.4案例:图像识别之猫狗大战

4.2.4.1数据处理

4.2.4.2模型实现

4.2.4.3模型训练

4.2.4.4模型使用

4.3.CNN网络 4.3.1模型原理
4.3.2案例:基于CNN的人脸识别

4.3.2.1数据处理

4.3.2.2模型实现

4.3.2.3模型训练

4.3.2.4模型使用

4.4.RNN网络 4.4.1模型原理
4.4.2案例:基于RNN的歌词创作

4.4.2.1数据处理

4.4.2.2模型实现

4.4.2.3模型训练

4.4.2.4模型使用

4.5.LSTM网络 4.5.1模型原理
4.5.2案例:基于LSTM的机器翻译

4.5.2.1数据处理

4.5.2.2模型实现

4.5.2.3模型训练

4.5.2.4模型使用

你可能还喜欢的课程

  • 技术大牛组团授课,专讲大数据核心知识和大型项目实战,多台物理服务器数十个节点现场直播演示!企业级实战项目让你四个月掌握2年的项目经验!

    查看详情 立即试学

    大数据就业特训营

    立即试学 16周

  • 重在培养数据分析方法及思路,而不仅仅是学习技术及工具。带教多个互联网及金融领域企业真实项目,而不仅仅是讲理论和小案例。新东方、搜狗、腾讯等名企一线实战讲师授课,技“高”一筹!

    查看详情 立即试学

    数据分析就业特训营

    立即试学 16周

  • 本课程上半部分会从Tensorflow的安装开始,讲解Tensorflow中的各种技术细节。让大家快速上手编写神经网络。也会补充一些深度学习相关的理论知识,如交叉熵,Softmax函数,各种优化器的算法和应用等内容。 下半部分会讲解几个深度学习的项目,如图像识别,验证码识别,word2vec,语音分类等。

    查看详情 立即试学

    深度学习框架-TensorFlow从入门到精通

    ¥199 14天

他们在学

  • 蓝老师

意见
反馈