机器学习与深度学习算法及应用培训课程，人工智能算法

机器学习与深度学习算法及应用培训课程

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工程技术人员。

课程大纲

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

如果您想学习本课程，请预约报名
如果没找到合适的课程或有特殊培训需求，请订制培训
除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916
技术服务需求表点击在线申请

服务特点：
海量专家资源，精准匹配相关行业，相关项目专家，针对实际需求，顾问式咨询，互动式授课，案例教学，小班授课，实际项目演示，快捷高效，省时省力省钱。

专家力量：
中国科学院软件研究所，计算研究所高级研究人员
oracle,微软，vmware，MSC,Ansys，candence,Altium,达索等大型公司高级工程师，项目经理，技术支持专家
中科信软培训中心，资深专家或讲师
大多名牌大学，硕士以上学历，相关技术专业，理论素养丰富
多年实际项目经历，大型项目实战案例，热情，乐于技术分享
针对客户实际需求，案例教学，互动式沟通，学有所获