曙海教学优势
本课程面向企事业项目实际需要,秉承二十一年积累的教学品质，概率论基本知识以及机器学习的基本模型以项目实现为导向,老师将会与您分享设计的全流程以及工具的综合使用技巧、经验。线上/线下/上门皆可,概率论基本知识以及机器学习的基本模型专家,课程可定制,热线:4008699035。
大批企业和曙海
建立了良好的合作关系,合作企业30万+。曙海的课程培养了大批受企业欢迎的工程师。曙海的课程在业内有着响亮的知名度。
以下就是这次机器学习培训的内容：
1.概念 概率 概率密度
高斯分布
贝叶斯理论 先验概率 后验概率
2.机器学习基本模型和理论
特征 数据空间的表示
模型
目标函数
模型训练(优化)
模型预测
实验的基本原则
数据集的生成方法
3.模式识别的分类
监督学习 分类
无监督学习 聚类
半监督学习(semi supervised learning)基本思想
4.模型识别的基本问题
回归(预测) regression
分类 classification
聚类 cluster
5.常用模型分类 线型模型 非线型模型
产生式模型 区分式模型
1.k-近邻算法 手写识别系统
2.决策树 决策树的构造
使用决策树预测隐形眼镜类型
3.贝叶斯分类 文本分类
4.支持向量机(SVM) SVM的基本理论
核函数对应的特征变换
手写识别问题优化
5.多模型融合 数据多样性的构建
AdaBoost的基本理念
6.sigmoid分类 参数训练
7.多层感知机
k-means
Apriori算法进行关联分析
FP-Growth算法
1.线性模型
模型参数训练
最小均方误差
过度适应
模型的表示能力
2.GMM 模型参数训练
用于分类
3.DNN 理论
梯度训练算法
LDA 线性判别分析
PCA 有成分分析
fMLLR 特征最大似然线性回归
SVD
语音识别
语音合成
说话人识别
