2019机器学习与深度学习实战培训（6月宁波班）

课程安排

第一天上午

1、机器学习简介

回归算法理论与实战： 1.一元线性回归 2.代价函数 3.梯度下降法 4.使用梯度下降法实现一元线性回归 5.标准方程法 6.使用sklearn实现一元线性回归 7.多元线性回归 8.使用sklearn实现多元线性回归 9.特征缩放，交叉验证法 10.过拟合正则化 11.岭回归 12.sklearn实现岭回归 13.LASSO回归 14.sklearn实现LASSO回归

第一天下午

1、决策树算法理论与实战 集成学习算法理论与实战

15.决策树-信息熵,ID3,C4.5算法介绍 16.sklearn实现决策树 17.决策树-CART算法 18.决策树应用 19.Bagging介绍与使用 20.随机森林介绍与使用 21.Adaboost介绍与使用 22.Stacking和Voting介绍与使用

第二天上午

1、KNN算法和决策树算法理论与实战 聚类算法理论与实战

1.KNN算法介绍 2.python实现knn算法 3.sklearn实现knn算法完成iris数据集分类 4.k-means算法原理 5.k-means算法实现 6.DBSCAN算法原理 7.DBSCAN算法实现

第二天下午

1、神经网络算法

8.神经网络基本原理 9.单层感知器程序 10.线性神经网络 11.激活函数，损失函数和梯度下降法 12.线性神经网络异或问题 13.BP神经网络介绍 14.BP算法推导 15.BP神经网络解决异或问题 16.BP算法完成手写数字识别 16.sklearn-BP神经网络解决手写数字识别 17.GOOGLE神经网络平台

第三天上午

1、Tensorflow（一）

1.深度学习框架介绍 2.Tensorflow安装 3.Tensorlfow基础知识：图，变量，fetch，feed 4.Tensorflow线性回归 5.Tensorflow非线性回归 6.Mnist数据集合Softmax讲解 7.使用BP神经网络搭建手写数字识别 8.交叉熵(cross-entropy)讲解和使用

第三天下午

1、Tensorflow（二）

9.过拟合,正则化,Dropout 10.各种优化器Optimizer 11.改进手写数字识别网络 12.卷积神经网络CNN的介绍 13.使用CNN解决手写数字识别 14.长短时记忆网络LSTM介绍 15.LSTM的使用 16.模型保存与载入

第四天上午

1、图像识别项目 图像识别项目 验证码识别项目

1.介绍Google图像识别模型Inception-v3 2.使用Inception-v3做图像识别 3.训练自己的图像识别模型 4.多任务学习介绍 5.生存验证码图片 6.构建验证码识别模型

第四天下午

1、文本分类项目 生成式对抗网络GANs

7.文本分类任务介绍 8.word2vec介绍 9.使用CNN完成文本分类 10.使用LSTM完成文本分类 11.GANs介绍 12.使用tensorflow完成GANs

-会议门票-

会务费：9800元/人，赠免费定制方案，赠专家在线答疑。