<wbr id="gi2s4"><strong id="gi2s4"></strong></wbr>
<wbr id="gi2s4"><label id="gi2s4"></label></wbr>
<wbr id="gi2s4"><strong id="gi2s4"></strong></wbr>
<button id="gi2s4"></button>
<wbr id="gi2s4"></wbr>
<button id="gi2s4"><strong id="gi2s4"></strong></button>
<button id="gi2s4"></button>
<button id="gi2s4"></button>
<div id="gi2s4"><s id="gi2s4"></s></div>
<wbr id="gi2s4"><label id="gi2s4"></label></wbr><div id="gi2s4"><s id="gi2s4"></s></div>
當前位置: 首頁(yè) > 內訓課程 > 課程內容
廣告1
相關(guān)熱門(mén)公開(kāi)課程更多 》
相關(guān)熱門(mén)內訓課程更多 》
相關(guān)最新下載資料

人工智能+自然語(yǔ)言處理

課程編號:37660

課程價(jià)格:¥25000/天

課程時(shí)長(cháng):3 天

課程人氣:911

行業(yè)類(lèi)別:IT網(wǎng)絡(luò )     

專(zhuān)業(yè)類(lèi)別:人工智能 

授課講師:葉梓

  • 課程說(shuō)明
  • 講師介紹
  • 選擇同類(lèi)課
【培訓對象】


【培訓收益】



第一節:人工智能與機器學(xué)習基礎1.人工智能概述
2.機器學(xué)習概述
3.機器學(xué)習算法應用分析

 

第二節:回歸算法 1.一元線(xiàn)性回歸
2.代價(jià)函數
3.梯度下降法
4.sklearn一元線(xiàn)性回歸應用
5.多元線(xiàn)性回歸
6.sklearn多元線(xiàn)性回歸應用
案例:葡萄酒質(zhì)量和時(shí)間的關(guān)系


第三節:KNN分類(lèi)算法 1.KNN分類(lèi)算法介紹
2.KNN分類(lèi)算法應用
3.KNN實(shí)現
案例:鳶尾花分類(lèi)


第四節:決策樹(shù)算法 1.決策樹(shù)算法介紹
2.熵的定義
3.決策樹(shù)算法與應用實(shí)現
案例:用戶(hù)購買(mǎi)行為預測


第五節:集成算法與隨機森林 1.Bagging算法介紹
2.隨機森林建模方法
3.Adaboost算法介紹
4.Stacking算法介紹
5.Voting算法介紹


第六節:K-means聚類(lèi)算法 1.K-means算法介紹
2.K-means算法應用
3.K-means算法實(shí)際應用案例
案例:NBA球隊實(shí)力聚類(lèi)分析

第七節:支持向量機 1.SVM算法介紹
案例:SVM完成人臉識別應用


第八節:特征工程項目-銀行
用戶(hù)違約預測 1.數據缺失處理
2.特征篩選方法
3.特征工程
4.數據不平衡問(wèn)題處理
5.算法選擇
6.結果評估

第九節:深度學(xué)習基礎-
神經(jīng)網(wǎng)絡(luò )介紹 1.人工神經(jīng)網(wǎng)絡(luò )發(fā)展史
2.單層感知器
3.激活函數,損失函數和梯度下降法
4.BP算法介紹
案例:BP算法解決手寫(xiě)數字識別問(wèn)題


第十節:Tensorflow基礎應用 1.Mnist數據集合Softmax講解
2.使用BP神經(jīng)網(wǎng)絡(luò )搭建手寫(xiě)數字識別
3.交叉熵(cross-entropy)講解和使用
4.過(guò)擬合,正則化,Dropout
5.各種優(yōu)化器Optimizer

第十一節:卷積神經(jīng)網(wǎng)絡(luò )CNN應用 1.CNN卷積神經(jīng)網(wǎng)絡(luò )
2.卷積層、池化層(均值池化、最大池化)
3.CNN手寫(xiě)數字案例

第十二節:長(cháng)短時(shí)記憶網(wǎng)絡(luò )
LSTM應用 1.RNN循環(huán)神經(jīng)網(wǎng)絡(luò )
2.長(cháng)短時(shí)記憶網(wǎng)絡(luò )LSTM
3.LSTM應用案例


第十三節:常用卷積網(wǎng)絡(luò )模型介紹 1.AlexNet模型介紹
2.VGG模型介紹
3.Inception模型介紹
4.ResNet模型介紹


第十四節:用自己的數據來(lái)訓練一個(gè)新的圖像識別模型 1.數據準備
2.數據增強
3.模型搭建
4.模型訓練
5.結果測試

 


第十五節:目標檢測模型介紹 1.目標檢測項目介紹
2.R-CNN模型介紹
3.SPPNET模型介紹
4.Fast-RCNN模型介紹
5.Faster-RCNN模型介紹
6.SSD模型介紹
7.yolo-v1模型介紹
8.yolo-v2模型介紹
9.yolo-v3模型介紹


第十六節:目標檢測模型實(shí)戰 1.項目安裝配置環(huán)境
2.準備數據集
3.使用訓練好的目標檢測模型進(jìn)行預測
4.用自己的數據訓練新的目標檢測模型


第十七節:自然語(yǔ)言處理技術(shù)介紹 1. word2vec介紹
2.Transformer模型介紹
3.Self-Attention機制介紹
4.多頭注意力機制介紹
5..Bert模型介紹
6.GPT-3模型介紹

第十八節:自然語(yǔ)言處理項目實(shí)戰 1.用CNN訓練一個(gè)新的文本分類(lèi)模型
2.用LSTM訓練一個(gè)新的文本分類(lèi)模型
3.用Bert訓練一個(gè)新的文本分類(lèi)模型

課后輔助: 1.針對學(xué)員面對的問(wèn)題進(jìn)行討論,提出建議
2.建立微信群(課后技術(shù)免費指導)
3.上課ppt資料都發(fā)到群里面 

咨詢(xún)電話(huà):
0571-86155444
咨詢(xún)熱線(xiàn):
  • 微信:13857108608
聯(lián)系我們
蜜芽亚洲av无码精品色午夜_久久免费国产AⅤ网_一本大道香蕉高清久久_精品久久久久久亚洲
<wbr id="gi2s4"><strong id="gi2s4"></strong></wbr>
<wbr id="gi2s4"><label id="gi2s4"></label></wbr>
<wbr id="gi2s4"><strong id="gi2s4"></strong></wbr>
<button id="gi2s4"></button>
<wbr id="gi2s4"></wbr>
<button id="gi2s4"><strong id="gi2s4"></strong></button>
<button id="gi2s4"></button>
<button id="gi2s4"></button>
<div id="gi2s4"><s id="gi2s4"></s></div>
<wbr id="gi2s4"><label id="gi2s4"></label></wbr><div id="gi2s4"><s id="gi2s4"></s></div>