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,机器学习培训与咨询以项目实现为导向,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,机器学习培训与咨询专家,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。
1 | 概率论基本知识以及机器学习的基本模型 |
内容 | 说明 |
概率论基础知识 | 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 | |
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 | |
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 | |
模型识别的基本问题 | 回归(预测) regression |
分类 classification | |
聚类 cluster | |
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 | |
2 | 监督学习-常用模型 |
内容 | 说明 |
k-近邻算法 | 手写识别系统 |
决策树 | 决策树的构造 |
使用决策树预测隐形眼镜类型 | |
贝叶斯分类 | 文本分类 |
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 | |
多模型融合 | 数据多样性的构建 |
AdaBoost的基本理念 | |
sigmoid分类 | 参数训练 |
多层感知机 | |
3 | 非监督学习(需要进一步准备) |
k-means | |
Apriori算法进行关联分析 | |
FP-Growth算法 | |
4 | 模型进阶 |
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 | |
GMM | 模型参数训练 |
用于分类 | |
DNN | 理论 |
梯度训练算法 | |
5 | 特征变换 |
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 | |
6 | 其它(可选) |
语音识别 | |
语音合成 | |
说话人识别 |