亚洲AⅤ自偷自拍视频_亚洲欧洲精品一区二区_中日韩AV丰满少妇无码_亚洲欧美日韩一区天堂

當(dāng)前位置: 首頁(yè) > 內(nèi)訓(xùn)課程 > 課程內(nèi)容
廣告1
相關(guān)熱門公開課程更多 》
相關(guān)熱門內(nèi)訓(xùn)課程更多 》
相關(guān)最新下載資料

Python 數(shù)據(jù)分析與機(jī)器學(xué)習(xí)

課程編號(hào):37664

課程價(jià)格:¥25000/天

課程時(shí)長(zhǎng):3 天

課程人氣:748

行業(yè)類別:IT網(wǎng)絡(luò)     

專業(yè)類別:大數(shù)據(jù) 

授課講師:葉梓

  • 課程說明
  • 講師介紹
  • 選擇同類課
【培訓(xùn)對(duì)象】
計(jì)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(yǔ)言。

【培訓(xùn)收益】
 掌握 Python 基本開發(fā)技能  掌握數(shù)據(jù)分析與機(jī)器學(xué)習(xí)基本知識(shí);  掌握數(shù)據(jù)分析與機(jī)器學(xué)習(xí)進(jìn)階知識(shí);  掌握深度學(xué)習(xí)的理論與實(shí)踐;  掌握深度學(xué)習(xí)工具:TensorFlow 等;  為學(xué)員的后續(xù)項(xiàng)目應(yīng)用提供針對(duì)性的建議。


【課程大綱】(培訓(xùn)內(nèi)容可根據(jù)客戶需求調(diào)整)
時(shí)間 內(nèi)容 案例實(shí)踐與練習(xí)
Day1 上午
實(shí)驗(yàn)環(huán)境搭建
數(shù)據(jù)預(yù)處理
實(shí)驗(yàn)環(huán)境搭建
1、 anaconda 包的安裝
2、pip install 的技巧
3、最簡(jiǎn)版的 python 教程
4、通過 anaconda 配置多個(gè)環(huán)境
5、Jupyter Notebook 的使用
數(shù)據(jù)預(yù)處理
1、 歸一化
2、模糊集與粗糙集
3、無標(biāo)簽降維:PCA
4、分解降維:SVD
5、 數(shù)據(jù)壓縮:DFT、小波變換
案例實(shí)踐: 1、Anaconda(python)安裝
2、 Tensorflow 安裝
3、 繪圖工具包 matplotlib
4、 opencv 包的使用
Day1 下午
回歸與時(shí)序分析
決策樹
聚類
關(guān)聯(lián)規(guī)則
回歸與時(shí)序分析
1、 線性回歸
2、非線性回歸
3、logistics 回歸
4、平穩(wěn)性、截尾與拖尾
5、ARIMA
決策樹
1、 分類和預(yù)測(cè)
2、熵減過程與貪心法
3、ID3 與 C4.5
4、 其他改進(jìn)方法
5、 前置剪枝與后置剪枝
聚類
1、 監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)
2、K-means
3、k-medoids
4、基于層次、密度、網(wǎng)格的方法
5、手肘法確定合理的聚類個(gè)數(shù)
關(guān)聯(lián)規(guī)則
1、 頻繁項(xiàng)集
2、支持度、置信度與提升度
3、Apriori 性質(zhì)
4、連接與剪枝
案例實(shí)踐: 1、回歸的實(shí)驗(yàn)
2、 ARIMA 預(yù)測(cè)實(shí)驗(yàn)
3、 各種聚類的區(qū)別
4、 鳶尾花數(shù)據(jù)的決策樹分類
Day2 上午
性能評(píng)價(jià)指標(biāo)
從樸素貝葉斯到 EM
性能評(píng)價(jià)指標(biāo)
1、 混淆矩陣與精確率;
2、P、R 與 F1
3、ROC 與 AUC
4、對(duì)數(shù)損失
5、泛化性能評(píng)價(jià):k 折驗(yàn)證驗(yàn)證
從樸素貝葉斯到 EM
1、 條件概率、聯(lián)合概率
2、“概率派”與“貝葉斯派”
3、樸素貝葉斯模型
4、極大似然估計(jì)
5、對(duì)數(shù)似然函數(shù)
6、EM 算法
案例實(shí)踐: 1、超市購(gòu)物籃——關(guān)聯(lián)規(guī)則分析
2、 印第安人患糖尿病的風(fēng)險(xiǎn)
3、 繪制 ROC 并計(jì)算 AUC、F1
4、 雙正態(tài)分布的參數(shù)估計(jì)
5、 Kaggle:泰坦尼克號(hào)幸存者分析
Day2 下午
BP 神經(jīng)網(wǎng)絡(luò)
支持向量機(jī)
遺傳算法
BP 神經(jīng)網(wǎng)絡(luò)
1、 人工神經(jīng)元及感知機(jī)模型
2、前向神經(jīng)網(wǎng)絡(luò)
3、Sigmoid 與 tanh
4、梯度下降
5、誤差反向傳播
支持向量機(jī)
1、 “雙螺旋”問題
2、基本模型與懲罰項(xiàng)
3、求解對(duì)偶問題
4、核函數(shù):映射到高維
5、從二分類到多分類
6、用于連續(xù)值預(yù)測(cè)的支持向量機(jī)
遺傳算法
1、 種群、適應(yīng)性度量
2、 交叉、選擇、變異
3、 基本算法
案例實(shí)踐: 1、可以手算的神經(jīng)網(wǎng)絡(luò)
2、 手推一個(gè) BPNN
3、 各種隨機(jī)梯度下降
案例實(shí)踐: 1、人臉識(shí)別:SVM
2、 “同宿舍”問題:遺傳算法
Day3 上午
隱馬爾科夫模型
條件隨機(jī)場(chǎng)
隱馬爾科夫模型
1、 馬爾科夫過程
2、隱馬爾科夫模型
3、三個(gè)基本問題(評(píng)估、解碼、學(xué)習(xí))
4、前向-后向算法
5、Viterbi 算法
6、Baum-Welch 算法
條件隨機(jī)場(chǎng)
案例實(shí)踐: 1、擲骰子的序列(HMM 前向算法) 2、 我是不是病了?(viterbi 算法)
3、 實(shí)現(xiàn)圖像輪廓精細(xì)分割(CRF)
1、 最大熵原理
2、無向圖模型
3、MRF 與 CRF
4、定義在最大團(tuán)上的勢(shì)函數(shù)
5、線性鏈條件隨機(jī)場(chǎng)
Day3 下午
集成學(xué)習(xí)
強(qiáng)化學(xué)習(xí)
深度學(xué)習(xí)初步
集成學(xué)習(xí)
1、 bagging 系列
2、隨機(jī)森林
3、boosting 系列
4、Adaboost
5、GBDT 與 Xgboost
6、catboost 與 lightGBM
7、 stacking 系列
強(qiáng)化學(xué)習(xí)
1、 agent 的屬性
2、馬爾科夫獎(jiǎng)勵(lì)/決策過程
3、狀態(tài)行為值函數(shù)
4、exploration and exploitation
5、Bellman 期望方程
6、最優(yōu)策略
7、 策略迭代與價(jià)值迭代
8、蒙特卡洛法
9、時(shí)序差分法
深度學(xué)習(xí)初步
1、 連接主義的興衰史
2、深度學(xué)習(xí)與 NN 的區(qū)別與聯(lián)系
3、目標(biāo)函數(shù)與激勵(lì)函數(shù)改進(jìn)
4、梯度下降的改進(jìn)
5、用于分類的 CNN
6、目標(biāo)檢測(cè)
7、 RNN 與 LSTM
8、生成對(duì)抗網(wǎng)絡(luò)(GAN) 

咨詢電話:
0571-86155444
咨詢熱線:
  • 微信:13857108608
聯(lián)系我們