全国人工智能Python机器学习与深度学习实战培训班8月上海班

一、人工智能介绍

1.人工智能/机器学习/神经网络/深度学习介绍

2.深度学习应用介绍  3.人工智能技术框架

二、python基础学习

1.print使用   2.运算符和变量   3.循环  4.列表元组字典

5.if条件      6.函数      7.模块     8.类的使用  

9.input用法   10.文件读写  11.异常处理

三、科学计算包numpy使用学习

1.numpy的属性   2.创建array  

3.numpy的运算   4.随机数生成以及矩阵的运算

5.numpy的索引   6.array合并   7.array分割

四、数据分析库pandas使用学习

1.Series,DataFrame   2.选择数据   3.赋值及操作

4.读取及写入文件     5.合并  案例：处理丢失数据

五、绘图工具包matplotlib学习

1.基础用法    2.figure图像   3.设置坐标轴

4.legend图例  5.scatter散点图

六、python人脸检测项目实战

1.使用python实现人脸检测功能

七、人工智能与机器学习基础

1.人工智能概述  2.机器学习概述 3.机器学习算法应用分析

八、回归算法

1.一元线性回归  2.代价函数  3.梯度下降法     

4.sklearn一元线性回归应用   5.多元线性回归   

6.sklearn多元线性回归应用

案例：葡萄酒质量和时间的关系

九、KNN分类算法

1.KNN分类算法介绍  2.KNN分类算法应用  3.KNN实现

案例：鸢尾花分类

十、决策树算法

1.决策树算法介绍    2.熵的定义  3.决策树算法与应用实现

案例：用户购买行为预测

十一、支持向量机

1.什么时最优分类面  2.SVM算法本质是什么

3.支持向量机在线性不可分时怎么处理

案例：SVM完成人脸识别应用

十二、K-means聚类算法

1.K-means算法介绍  2.K-means算法应用

3.K-means算法实际应用案例

案例：NBA球队实力聚类分析

十三、集成算法与随机森林

1.Bagging算法介绍   2.随机森林建模方法

3.Adaboost算法介绍  4.Stacking算法介绍

5.Voting算法介绍

十四、特征工程应用案例

1.缺失值填   2.唯一值处理   3.过滤无用特征

4.处理多值有序特征   5.处理多值无序特征

6.特征数据缩放   7.PCA降纬   8.数据均衡

模型训练和评估

十五、深度学习基础-神经网络介绍

1.人工神经网络发展史  2.单层感知器

3.激活函数，损失函数和梯度下降法  4.BP算法介绍

案例：BP算法解决手写数字识别问题

十六、Tensorflow基础应用

1.Tensorflow安装      2.Tensorlfow基础知识

3.Tensorflow线性回归  4.Tensorflow非线性回归

5.Mnist数据集合Softmax讲解

6.使用BP神经网络搭建手写数字识别

7.交叉熵(cross-entropy)讲解和使用

8.过拟合,正则化,Dropout  9.各种优化器Optimizer

十七、Pytorch介绍

1.Pytorch安装及基础知识  

2.Pytorch搭建网络完成线性回归应用

3.Pytorch搭建网络完成非线性回归应用  完成手写数字识别

十八、卷积神经网络CNN应用

1.CNN卷积神经网络 2.卷积层、池化层（均值池化、最大池化）

3.CNN手写数字案例

十九、长短时记忆网络LSTM应用

1.RNN循环神经网络 

2.长短时记忆网络LSTM

3.LSTM应用案例

二十、使用预训练模Inception-v3型进行图像识别

1.Inception-v3模型讲解

2.使用训练好的模型进行图像识别

二十一、图像识别模型VGG16项目实战（天气现象分类，场景分类）

1.VGG16模型讲解  2.数据增加

3.使用迁移学习完成天气现象分类

4.使用迁移学习完成场景分类

二十二、自然语言处理项目实战

自然语言处理项目介绍  2.word2vec介绍

3.用LSTM训练一个新的文本分类模型

二十三、目标检测算法介绍

1.目标检测项目简介  2.R-CNN模型详解  3.SPPNET模型详解

4.Fast-RCNN模型详解 5.Faster-RCNN模型详解

二十四、使用目标检测算法完成手势识别

1.数据准备和标注方法 2.Detecting模块介绍

3.手势识别模型训练   4.手势识别模型应用

二十五、光学字符识别OCR算法实战

1.使用OCR模型准确识别图片中的中英文文字，并提取出来。

二十六、人脸识别实战

1.人脸检测实战2.人脸关键点提取实战  案例：人脸识别实战

二十七、辅助课程 

1.针对学员面对的实践问题展开讨论、方案建议

2.建立QQ群、微信群

3.配备机器学习和深度学习开发教材，便于课后逐步提高能力。

4.培训所学的算法和模型可以适用于通信/政府/医疗/农业/工业/金融/气象/军工等多个行业。