人工智能初览
|
1. 人工智能基本概念
2. 人工智能的核心技术
3. 人工智能的应用领域介绍 |
初探机器学习 |
1. 机器学习要解决的问题
2. 有监督无监督问题
3. 机器学习能做什么
4. 机器学习算法概览
5. 机器学习应用案例分析
- 特征提取
- 预处理,归一化
- 分类解决方案
- 聚类解决方案
- 机器学习实现与执行
- 结果分析
|
Python数据分析框架概览 |
1. NumPy数据结构与处理
2. Pandas数据组织与计算
3. Matplotlib数据可视化 |
机器学习案例实战与算法解析
|
线性回归实现销售数据预测 |
1. 线性回归介绍与公式推导
2. 多变量线性归回与梯度下降
3. 数据归一化与模型优化
4. 线性回归预测销售数据
5. 保存模型,欠拟合与过拟合 |
朴素贝叶斯实现文档分类 |
1. 概率基础 (联合概率、条件概率)
2. 贝叶斯定律、分类算法
3. 特征工程、TF-IDF与文档分类
4. 多项分布与高斯分布
5. 贝叶斯算法根据文档关键字实现分类 |
深度学习框架实践Tensorflow |
1、 深度学习与机器学习区别介绍
2、 环境搭建、第一个案例
3、 张量、变量、操作
4、 会话与优化器
5、 TensorFlow流程图与可视化
6、 Tensorflow框架介绍
7、 TensorFlow和其他深度学习框架的对比
8、 Tensorflow 下载及安装
9、 Tensorflow 架构
10、 实战:Tensorflow 案例实践
11、 某业务领域的的机器学习于分析 |
DNN深度神经网络实现手写体数字识别 |
1. 线性不可分问题
2. 隐藏层、输出神经元介绍与实现
3. 激活函数介绍与不同激活函数区别
4. 自定义DNN优化手写识别效率
5. 采用可视化图片显示识别结果
6. DNN优缺点与注意事项
|
CNN图形图像识别案例项目 |
1. CIFAR项目需求介绍
2. 分析爱data_batch数据集
3. CNN卷积神经网络介绍
4. 卷积、深度、池化、步长、激活函数
5. 采用CNN完成CIFAR物体分类
|
使用 Keras 进行深度学习案例解析 |
1、 Keras 简介
2、 Keras与TensorFlow比较
3、 Keras的模块结构
4、 Keras 中的模型
5、 Keras 支持的对象概念
6、 Keras 中的数据处理
7、 使用Keras构建深度学习模型
8、 Keras案例实战
- 动物分类器实现
- 采用Keras实现非线性回归
- 生成式对抗神经网络原理及应用
- 模块结构分析与优化策略
- 深度学习总复习,和前沿文献介绍
|