色狠狠色狠狠综合一区_久久青草国产免费观看_日本xxxx19视频_女人与男人做爰视频

當前位置: 首頁 > 內訓課程 > 課程內容
廣告1
相關熱門公開課程更多 》
相關熱門內訓課程更多 》
相關最新下載資料

人工智能+自然語言處理

課程編號:37660

課程價格:¥25000/天

課程時長:3 天

課程人氣:692

行業類別:IT網絡     

專業類別:人工智能 

授課講師:葉梓

  • 課程說明
  • 講師介紹
  • 選擇同類課
【培訓對象】


【培訓收益】



第一節:人工智能與機器學習基礎1.人工智能概述
2.機器學習概述
3.機器學習算法應用分析

 

第二節:回歸算法 1.一元線性回歸
2.代價函數
3.梯度下降法
4.sklearn一元線性回歸應用
5.多元線性回歸
6.sklearn多元線性回歸應用
案例:葡萄酒質量和時間的關系


第三節:KNN分類算法 1.KNN分類算法介紹
2.KNN分類算法應用
3.KNN實現
案例:鳶尾花分類


第四節:決策樹算法 1.決策樹算法介紹
2.熵的定義
3.決策樹算法與應用實現
案例:用戶購買行為預測


第五節:集成算法與隨機森林 1.Bagging算法介紹
2.隨機森林建模方法
3.Adaboost算法介紹
4.Stacking算法介紹
5.Voting算法介紹


第六節:K-means聚類算法 1.K-means算法介紹
2.K-means算法應用
3.K-means算法實際應用案例
案例:NBA球隊實力聚類分析

第七節:支持向量機 1.SVM算法介紹
案例:SVM完成人臉識別應用


第八節:特征工程項目-銀行
用戶違約預測 1.數據缺失處理
2.特征篩選方法
3.特征工程
4.數據不平衡問題處理
5.算法選擇
6.結果評估

第九節:深度學習基礎-
神經網絡介紹 1.人工神經網絡發展史
2.單層感知器
3.激活函數,損失函數和梯度下降法
4.BP算法介紹
案例:BP算法解決手寫數字識別問題


第十節:Tensorflow基礎應用 1.Mnist數據集合Softmax講解
2.使用BP神經網絡搭建手寫數字識別
3.交叉熵(cross-entropy)講解和使用
4.過擬合,正則化,Dropout
5.各種優化器Optimizer

第十一節:卷積神經網絡CNN應用 1.CNN卷積神經網絡
2.卷積層、池化層(均值池化、最大池化)
3.CNN手寫數字案例

第十二節:長短時記憶網絡
LSTM應用 1.RNN循環神經網絡
2.長短時記憶網絡LSTM
3.LSTM應用案例


第十三節:常用卷積網絡模型介紹 1.AlexNet模型介紹
2.VGG模型介紹
3.Inception模型介紹
4.ResNet模型介紹


第十四節:用自己的數據來訓練一個新的圖像識別模型 1.數據準備
2.數據增強
3.模型搭建
4.模型訓練
5.結果測試

 


第十五節:目標檢測模型介紹 1.目標檢測項目介紹
2.R-CNN模型介紹
3.SPPNET模型介紹
4.Fast-RCNN模型介紹
5.Faster-RCNN模型介紹
6.SSD模型介紹
7.yolo-v1模型介紹
8.yolo-v2模型介紹
9.yolo-v3模型介紹


第十六節:目標檢測模型實戰 1.項目安裝配置環境
2.準備數據集
3.使用訓練好的目標檢測模型進行預測
4.用自己的數據訓練新的目標檢測模型


第十七節:自然語言處理技術介紹 1. word2vec介紹
2.Transformer模型介紹
3.Self-Attention機制介紹
4.多頭注意力機制介紹
5..Bert模型介紹
6.GPT-3模型介紹

第十八節:自然語言處理項目實戰 1.用CNN訓練一個新的文本分類模型
2.用LSTM訓練一個新的文本分類模型
3.用Bert訓練一個新的文本分類模型

課后輔助: 1.針對學員面對的問題進行討論,提出建議
2.建立微信群(課后技術免費指導)
3.上課ppt資料都發到群里面 

咨詢電話:
0571-86155444
咨詢熱線:
  • 微信:13857108608
聯系我們