Python、知識圖譜與深度學(xué)習(xí)培訓(xùn)_基礎(chǔ)3天

Python深度學(xué)習(xí)與知識圖譜培訓(xùn)
（基礎(chǔ)部分）
【課程時長】
3天（6小時/天）
【課程簡介】
人工智能的浪潮正在席卷全球，各種培訓(xùn)課程應(yīng)運而生，但真正能讓學(xué)員系統(tǒng)、全面掌握知識點，并且能學(xué)以致用的實戰(zhàn)課程并不多見。本課程包含基于python的數(shù)據(jù)分析、深度學(xué)習(xí)的重要概念及常用算法（決策樹、關(guān)聯(lián)規(guī)則、聚類、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隱馬爾科夫模型、遺傳算法、CNN等），以及人工智能領(lǐng)域當(dāng)前的熱點。通過3天的系統(tǒng)學(xué)習(xí)、案例講解和動手實踐，讓學(xué)員能初步邁入機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的知識殿堂。
【課程收益】
掌握Python開發(fā)技能；
掌握深度學(xué)習(xí)工具：TensorFlow、Keras、pytorch等；
掌握基于python的數(shù)據(jù)分析知識；
掌握數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)進(jìn)階知識；
掌握深度學(xué)習(xí)的基礎(chǔ)理論與實踐；
【課程特點】
本課程力圖理論結(jié)合實踐，強(qiáng)調(diào)從零開始，重視動手實踐；課程內(nèi)容以原理講解為根本，以應(yīng)用落地為目標(biāo)。課程通過大量形象的比喻和手算示例來解釋復(fù)雜的機(jī)器學(xué)習(xí)理論，既能將原理充分講懂講透，也避免了繁復(fù)而枯燥的公式推導(dǎo)。
【課程對象】
計算機(jī)相關(guān)專業(yè)本科；或理工科本科，且至少熟悉一門編程語言。
【主講專家】
葉梓，博士、高級工程師。2005年上海交通大學(xué)計算機(jī)專業(yè)博士畢業(yè)，主研方向為數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能等?，F(xiàn)為某大型上市軟件企業(yè)的人工智能團(tuán)隊技術(shù)負(fù)責(zé)人。在大數(shù)據(jù)、人工智能應(yīng)用等方面有著豐富的工程實踐經(jīng)驗。先后在SCI或EI期刊上發(fā)表論文4篇，在中文核心期刊上發(fā)表論文近20篇，并被百度學(xué)術(shù)收錄。
【學(xué)員基礎(chǔ)】
具備初步的IT基礎(chǔ)知識
【課程大綱】（培訓(xùn)內(nèi)容可根據(jù)客戶需求調(diào)整）
時間
內(nèi)容
案例實踐與練習(xí)
Day1上午
基于python的實驗環(huán)境
實驗環(huán)境搭建
anaconda包的安裝
pip install的技巧
通過anaconda配置多個環(huán)境
Jupyter Notebook的使用
繪圖工具包matplotlib
opencv的安裝
Tensorflow的安裝
Pytorch的安裝
paddlepaddle的安裝
案例實踐：
python安裝
opencv安裝與驗證
Tensorflow安裝與驗證
Pytorch安裝與驗證
paddlepaddle安裝與驗證
Day1下午
Python基礎(chǔ)
Python開發(fā)概述
Python的基本語法
引入外部包
常用的數(shù)據(jù)結(jié)構(gòu)
定義函數(shù)
Python中的面向?qū)ο缶幊?br /> 文件讀寫
訪問數(shù)據(jù)庫
數(shù)據(jù)預(yù)處理
數(shù)據(jù)清理
規(guī)范化
無標(biāo)簽時：PCA
有標(biāo)簽時：Fisher線性判別
數(shù)據(jù)壓縮（DFT、小波變換）
回歸與時序分析
線性回歸
非線性回歸
logistics回歸
案例實踐：
元組、列表、字典、集合
PCA的實驗
DFT的實驗
回歸的實驗
Day2上午
基于python的數(shù)據(jù)分析
決策樹模型
分類和預(yù)測
熵減過程與貪心法
ID3
C4.5
其他改進(jìn)方法
決策樹剪枝
聚類
監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)
K-means與k-medoids
層次的方法
基于密度的方法
基于網(wǎng)格的方法
孤立點分析
案例實踐：
決策樹的實驗
鳶尾花數(shù)據(jù)的聚類
手肘法分析NBA球隊的最佳聚類個數(shù)
各種聚類方式的圖形化展示
Day2下午
基于python實現(xiàn)的經(jīng)典算法
關(guān)聯(lián)規(guī)則
頻繁項集
支持度與置信度
提升度
Apriori性質(zhì)
連接與剪枝
性能評價指標(biāo)（5）
精確率；
P、R與F1
ROC與AUC
對數(shù)損失
泛化性能評價：k折驗證驗證
案例實踐：
超市購物籃——關(guān)聯(lián)規(guī)則分析
皮馬印第安人患糖尿病的風(fēng)險
Day3上午
深度學(xué)習(xí)基礎(chǔ)
BP神經(jīng)網(wǎng)絡(luò)
人工神經(jīng)元及感知機(jī)模型
Sigmoid激活函數(shù)
前向神經(jīng)網(wǎng)絡(luò)的架構(gòu)
梯度下降
誤差反向傳播詳解
支持向量機(jī)
“雙螺旋”問題
基本模型與懲罰項
求解對偶問題
核函數(shù)：映射到高維
從二分類到多分類
用于連續(xù)值預(yù)測的支持向量機(jī)
案例實踐：
皮馬印第安人糖尿病風(fēng)險：驗證多種模型
繪制ROC并計算AUC
手算神經(jīng)網(wǎng)絡(luò)BP算法
只用numpy，手推BPNN
SVM實現(xiàn)人臉識別應(yīng)用
Day3下午
深度學(xué)習(xí)基礎(chǔ)與CNN
深度學(xué)習(xí)基礎(chǔ)
連接主義的興衰
深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系
目標(biāo)函數(shù)與激勵函數(shù)
學(xué)習(xí)步長
權(quán)重初始化
權(quán)重衰減（Weight Decay）
梯度下降的方法：Adagrad \ RMSprop \ Adam
避免過適應(yīng)
圖像分類CNN
圖像分類概述
AlexNet與ZF-Net
VGG（5層變?yōu)?組）
遷移學(xué)習(xí)
GoogLenet和Inception模塊
模型退化與ResNet
DenseNet（充分利用特征）
最新的efficientnet
案例實踐：
通過深度BP網(wǎng)絡(luò)實現(xiàn)手寫數(shù)字的識別
各種梯度下降方法的實戰(zhàn)效果
Batch normalization的效果
案例實踐：
VGG各層的可視化展現(xiàn)
遷移學(xué)習(xí)：貓狗大戰(zhàn)
Resnet用于圖像分類
【授課環(huán)境】
講課環(huán)境要能上網(wǎng)

葉梓老師的其它課程