2019 Python实战及机器学习（深度学习）核心技术培训班（4月北京班）

一、python基础学习

1.python基础学习

2.科学计算包numpy使用学习  3.绘图工具包matplotlib学习

4. Python基础数据结构（元组/列表/字符串/字典）

5. Python语法基础（条件/循环/函数/类/模块）

6.Python文件操作实战     7. Python异常处理实战

二、人工智能与机器学习理论及实战

1.人工智能发展              2.机器学习算法应用分析     

3.知识表示方法              4.搜索原理                 

5.推理技术                  6.算法学习                 

7.规划系统                  8.专家系统

三、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

四、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

五、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

六、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.stack算法介绍

七、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

八、支持向量机SVM

1.SVM算法实战             案例：SVM完成人脸识别应用

九、泰坦尼克号获救预测案例

1.缺失值填           2.特征筛选         3.案例实战

十、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

十一、Tensorflow基础应用

1.Tensorflow安装

2.Tensorlfow基础知识：图，变量，fetch，feed

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

十二、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

十三、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

十四、Google图像识别模型inception-v3项目实战

1.使用训练好的inception-v3完成图像识别

2.用自己收集的数据训练图像识别模型

3.使用迁移学习完成图像分类

十五、自然语言处理项目实战

1.自然语言处理项目介绍            2.word2vec介绍

3.用CNN训练一个新的文本分类模型

4.用LSTM训练一个新的文本分类模型

十六、目标检测项目实战

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

6.Tensorflow实现Faster-RCNN目标检测

7.测试目标检测模型效果、目标检测算法标签标注

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（课后免费技术指导）

3.配备参考书和深度学习开发教材，便于课后逐步提高能力。