【培訓(xùn)對象】
計算機相關(guān)專業(yè)本科；或理工科本科，且至少熟悉一門編程語言。

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

【課程大綱】（培訓(xùn)內(nèi)容可根據(jù)客戶需求調(diào)整）
時間 內(nèi)容 案例實踐與練習(xí)
Day1 上午
實驗環(huán)境搭建
數(shù)據(jù)預(yù)處理
實驗環(huán)境搭建
1、 anaconda 包的安裝
2、pip install 的技巧
3、最簡版的 python 教程
4、通過 anaconda 配置多個環(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
回歸與時序分析
決策樹
聚類
關(guān)聯(lián)規(guī)則
回歸與時序分析
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
2、熵減過程與貪心法
3、ID3 與 C4.5
4、 其他改進方法
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數(shù)
關(guān)聯(lián)規(guī)則
1、 頻繁項集
2、支持度、置信度與提升度
3、Apriori 性質(zhì)
4、連接與剪枝
案例實踐： 1、回歸的實驗
2、 ARIMA 預(yù)測實驗
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
性能評價指標
從樸素貝葉斯到 EM
性能評價指標
1、 混淆矩陣與精確率；
2、P、R 與 F1
3、ROC 與 AUC
4、對數(shù)損失
5、泛化性能評價：k 折驗證驗證
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
5、對數(shù)似然函數(shù)
6、EM 算法
案例實踐： 1、超市購物籃——關(guān)聯(lián)規(guī)則分析
2、 印第安人患糖尿病的風(fēng)險
3、 繪制 ROC 并計算 AUC、F1
4、 雙正態(tài)分布的參數(shù)估計
5、 Kaggle：泰坦尼克號幸存者分析
Day2 下午
BP 神經(jīng)網(wǎng)絡(luò)
支持向量機
遺傳算法
BP 神經(jīng)網(wǎng)絡(luò)
1、 人工神經(jīng)元及感知機模型
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
1、 “雙螺旋”問題
2、基本模型與懲罰項
3、求解對偶問題
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)測的支持向量機
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
案例實踐： 1、可以手算的神經(jīng)網(wǎng)絡(luò)
2、 手推一個 BPNN
3、 各種隨機梯度下降
案例實踐： 1、人臉識別：SVM
2、 “同宿舍”問題：遺傳算法
Day3 上午
隱馬爾科夫模型
條件隨機場
隱馬爾科夫模型
1、 馬爾科夫過程
2、隱馬爾科夫模型
3、三個基本問題（評估、解碼、學(xué)習(xí)）
4、前向-后向算法
5、Viterbi 算法
6、Baum-Welch 算法
條件隨機場
案例實踐： 1、擲骰子的序列（HMM 前向算法） 2、 我是不是病了？（viterbi 算法）
3、 實現(xiàn)圖像輪廓精細分割（CRF）
1、 最大熵原理
2、無向圖模型
3、MRF 與 CRF
4、定義在最大團上的勢函數(shù)
5、線性鏈條件隨機場
Day3 下午
集成學(xué)習(xí)
強化學(xué)習(xí)
深度學(xué)習(xí)初步
集成學(xué)習(xí)
1、 bagging 系列
2、隨機森林
3、boosting 系列
4、Adaboost
5、GBDT 與 Xgboost
6、catboost 與 lightGBM
7、 stacking 系列
強化學(xué)習(xí)
1、 agent 的屬性
2、馬爾科夫獎勵/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、 策略迭代與價值迭代
8、蒙特卡洛法
9、時序差分法
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、目標函數(shù)與激勵函數(shù)改進
4、梯度下降的改進
5、用于分類的 CNN
6、目標檢測
7、 RNN 與 LSTM
8、生成對抗網(wǎng)絡(luò)（GAN） 

 

葉梓，上海交通大學(xué)計算機專業(yè)博士畢業(yè)，高級工程師。主研方向：數(shù)據(jù)挖掘、機器學(xué)習(xí)、人工智能。歷任國內(nèi)知名上市IT企業(yè)的AI技術(shù)總監(jiān)、資深技術(shù)專家，市級行業(yè)大數(shù)據(jù)平臺技術(shù)負責(zé)人。

 

長期負責(zé)城市信息化智能平臺的建設(shè)工作，開展行業(yè)數(shù)據(jù)的智能化應(yīng)用研發(fā)工作，牽頭多個省級、市級行業(yè)智能化信息系統(tǒng)的建設(shè)，主持設(shè)計并搭建多個省級、市級行業(yè)大數(shù)據(jù)平臺。參與國家級人工智能課題，牽頭上海市級人工智能示范應(yīng)用課題研究。

 

帶領(lǐng)團隊在相關(guān)行業(yè)領(lǐng)域研發(fā)多款人工智能創(chuàng)新產(chǎn)品，成功落地多項大數(shù)據(jù)、人工智能前沿項目，其中信息化智能平臺項目曾榮獲：“上海市信息技術(shù)優(yōu)秀應(yīng)用成果獎”。帶領(lǐng)團隊在參加國際NLP算法大賽，獲得Top1%的成績。參與國家級、省級大數(shù)據(jù)技術(shù)標準的制定，曾獲省部級以上的科技創(chuàng)新一等獎。

 

1.      論文發(fā)表/項目經(jīng)歷

在國內(nèi)外期刊、會議中發(fā)表論文27篇，其中被SCI/EI收錄4篇

 

項目經(jīng)歷：

l  上海市城市信息化人工智能項目 項目負責(zé)人

ü  研發(fā)智能服務(wù)系統(tǒng)，包括：元宇宙與虛擬數(shù)字人、基于人工智能的內(nèi)容生成（AIGC）、基于NLP技術(shù)的對話系統(tǒng)、基于深度學(xué)習(xí)的圖像識別系統(tǒng)、基于智能推理的行業(yè)推薦系統(tǒng)。

相關(guān)工作：

作為項目總負責(zé)，負責(zé)項目管理、產(chǎn)品研發(fā)、系統(tǒng)分析、技術(shù)指導(dǎo)、算法指導(dǎo)等。

 

l  上海市城市智能信息化工程 總工程師

ü  采用大數(shù)據(jù)技術(shù)，建設(shè)市級信息平臺，完成試點單位接入并采集居民相關(guān)信息，實現(xiàn)市級平臺檔案等服務(wù)，并實現(xiàn)所有單位的全面接入。

ü  為解決超量數(shù)據(jù)的存儲與計算的問題，搭建了存儲全市數(shù)據(jù)的云計算平臺，并在其上進行了基于大數(shù)據(jù)的分析和挖掘工作。

相關(guān)工作：

作為總工程師，負責(zé)技術(shù)管理、系統(tǒng)分析、云平臺數(shù)據(jù)存儲設(shè)計、數(shù)據(jù)分析與挖掘指導(dǎo)、開發(fā)指導(dǎo)。

 

l  上海市城市信息化領(lǐng)域智能聯(lián)網(wǎng)工程 技術(shù)經(jīng)理

ü  建設(shè)內(nèi)容包括：接入單位的聯(lián)網(wǎng)；智能卡的實現(xiàn)；城市信息化智能平臺的升級；科研平臺的擴展與升級；建立決策支持系統(tǒng)；評估體系的展示設(shè)計；短信平臺的實現(xiàn)；違規(guī)操作的提醒；協(xié)同智能服務(wù)平臺的實現(xiàn)等。

相關(guān)工作：

作為技術(shù)經(jīng)理負責(zé)總體架構(gòu)設(shè)計、接口設(shè)計、大數(shù)據(jù)平臺設(shè)計、AI技術(shù)指導(dǎo)等。

 

 

3. 主攻方向

具有扎實的數(shù)據(jù)挖掘、機器學(xué)習(xí)、深度學(xué)習(xí)等人工智能理論基礎(chǔ)；了解AIGC等技術(shù)前沿動態(tài)。

精通機器學(xué)習(xí)、深度學(xué)習(xí)的理論、模型、算法、調(diào)優(yōu)等；精通算法設(shè)計；

熟悉深度學(xué)習(xí)在自然語言處理、計算機視覺兩大核心領(lǐng)域的實用技巧；

15年以上的程序開發(fā)經(jīng)驗，熟悉常用程序開發(fā)架構(gòu)，獨立完成多個產(chǎn)品級軟件的設(shè)計與開發(fā)。

 

• 人工智能機器學(xué)習(xí)算法在項目中的實戰(zhàn)

   

  一．介紹機器學(xué)習(xí)，什么是機器學(xué)習(xí)a) 簡單介紹機器學(xué)習(xí)，數(shù)據(jù)挖掘b) 機器學(xué)習(xí)和數(shù)據(jù)挖掘的基本概念和原理c) 機器學(xué)習(xí)用來解決什么問題機器學(xué)習(xí)的應(yīng)用場景1) 機器學(xué)習(xí)應(yīng)用場景之一------分類以及分類的應(yīng)用場景a) 分類概念b) 分類的應(yīng)用c) 分類和聚類、推薦的區(qū)別d) 分類工作原理e) 分類中概念術(shù)語..

  ￥   元/ 天

  人氣：990  

  

• 機器學(xué)習(xí)閉環(huán)系統(tǒng)設(shè)計方法

   

  第一章. 機器學(xué)習(xí)和深度學(xué)習(xí)系統(tǒng)設(shè)計方法論a)機器學(xué)習(xí)和深度學(xué)習(xí)的概念和區(qū)別b)人工智能算法工程師的日常工作流程c)傳統(tǒng)機器學(xué)習(xí)的系統(tǒng)設(shè)計方法d)人工智能時代深度學(xué)習(xí)的系統(tǒng)設(shè)計方法第二章.機器學(xué)習(xí)和深度學(xué)習(xí)人工智能的常見開發(fā)流程a)洞悉公司業(yè)務(wù)業(yè)務(wù)邏輯痛點，抽象出計算機解決方法方案b)數(shù)據(jù)清洗和預(yù)處理c)構(gòu)建數(shù)據(jù)集，數(shù)..

  ￥   元/ 天

  人氣：951  

  

• 人工智能機器學(xué)習(xí)與深度學(xué)習(xí)實戰(zhàn)案例及應(yīng)用

   

  章節(jié) 內(nèi) 容 第一節(jié) ..

  ￥   元/ 天

  人氣：916