机器学习与深度学习算法及应用实战

时间：该课程暂无课程排期

地点：暂无地点信息

教练：邹老师

中科智视首席研究员

邹伟，睿客邦创始人，山东交通学院教授(兼)、南昌航空大学双师型教师、华东建筑设计研究总院研究员、中国软件行业协会专家委员、上海市计划生育科学研究所特聘专家、天津大学创业导师、中国医药教育协会老年运动与健康分会学术委员、《聊城大学学报》编委；创立的睿客邦经过3年发展，已经与全国十多所高校建立了AI联合实验室，完成和在研30多个人工智能工业项目，广泛应用于医疗、交通、农业、气象、银行、电信等多个领域。

| 培训特色 |

课程重视代码实践，使用银行、金融、气象等工业界实际数据（数据已脱敏）进行机器学习模型的落地应用。虽然课程坚持推导公式，但更重视机器学习和深度学习的原理与实操；将实际工作中遇到的行业应用和痛点做最直观切实的展示；重视算法模型的同时，更强调实际问题中应该如何模型选择、特征选择和调参。
讲授者在中科院做科研，同时在多家企业任职首席或顾问，有丰富的工业经验，能够保证听者尽快了解数据挖掘、机器学习、深度学习的本质和实践应用。

| 目标收益 |

通过课程学习，可以理解机器学习的思维方式和关键技术；了解深度学习和机器学习在当前工业界的落地应用；能够根据数据分布选择合适的算法模型并书写代码，初步胜任使用Python进行数据挖掘、机器学习、深度学习等工作。

| 培训对象 |

具备一定的Python和深度学习基础，希望深入了解深度学习的目标检测、实体识别、关系抽取、GAN、时间序列分析、强化学习等实用化技术的光大工程技术人员。

| 课程大纲 |

主题	内容
第一节：Python机器学习与TensorFlow	numpy/scipy/matplotlib/panda的介绍和典型使用 scikit-learn的介绍和典型使用多元线性回归 Logistics回归与Softmax回归决策树和随机森林 SVM 多种聚类的原理和调参 TensorFlow典型应用典型图像处理多项式拟合快速傅里叶变换FFT 奇异值分解SVD Soble/Prewitt/Laplacian算子与卷积网络
代码和案例实践：	股票交易数据的 (指数)移动平均线与预测无人机图像的风机叶片缺陷检测和识别系统环保检测数据异常检测和分析股票数据分析社会学人群收入预测葡萄酒数据集的决策树/随机森林分类泰坦尼克乘客存活率估计
第二节：卷积神经网络CNN	神经网络结构，滤波器，卷积池化，激活函数，反向传播目标分类与识别、目标检测与追踪经典AlexNet、VGG、GoogleLeNet Inception ResNet、DenseNet 视频关键帧处理物体检测与定位 RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN YOLO FaceNet
代码和案例实践：	搭建自己的卷积神经网络基于CNN的图像识别卷积神经网络调参经验分享
代码和案例实践：	迁移学习（Transfer Learning）人脸检测 OCR字体定位和识别睿客识云气象识别
第三节：循环神经网络RNN	RNN基本原理 LSTM、GRU Attention 编码器与解码器结构言特征提取：word2vec Seq2seq模型
代码和案例实践：	看图说话视频理解藏头诗生成问答对话系统循环神经网络调参经验分享
第四节：生成对抗网络GAN与增强学习RL	生成模型：贝叶斯、HMM到深度生成模型 GAN对抗生成神经网络 DCGAN Conditional GAN InfoGan Wasserstein GAN 马尔科夫决策过程贝尔曼方程、最优策略策略迭代、值迭代 Q Learning SarsaLamda DQN A3C
代码和案例实践：	图片生成看图说话对抗生成神经网络调参经验分享飞翔的小鸟游戏基于增强学习的游戏学习 DQN的实现