当前位置: 首页 深圳站 深圳智库灯塔教育 深圳AI人工智能训练营
深圳AI人工智能训练营

深圳AI人工智能训练营

热度:
关注人数:0
价格
询底价

开课机构:深圳智库灯塔教育

上课校区:深圳校区更多

联系电话: 400-029-0967 转 25781 预约试听

课程介绍

课程名称:AI人工智能训练营

特训营·第 1 计划·(阶段一)

标准库,扩展库,运算符,表达式,字符串、转义字 符,字符串的输出和输入,访问字符串中的值,字符 串内建函数;列表,包括列表访问,列表运算,深拷 贝/浅拷贝,列表常用的方法;字典,集合,条件表 达式,选择结构,包括while循环,break语句,for in 循环,range函数,continue语句; 函数参数,变量作用域,lambda,生成器; 类的定义,使用,数据成员,成员方法,特殊方法,运算符重 载; numpy,包括NumPy 数学函数,NumPy 统计函数, NumPy 矩阵库(Matrix) ,NumPy 排序、条件刷选 函数,NumPy 线性代数,数组运算,矩阵运算, scipy,pandas,如Pandas数据结构,Pandas数据 帧(DataFrame),Pandas面板,包括Pandas基本应 用,Pandas描述性统计,Pandas函数应用,Pandas 重建索引,Pandas迭代,Pandas统计函数;

特训营·第 2 计划·(阶段二)

Pandas 读取数据, scikit-learn 训练与测试模型; 评估模型性能的指标; 交叉验证(把给定的数据进行切分,将切分的数据集分 为“训练集”和“验证集”(假设其中4份为train,1 份为validation),在此基础上循环选取进行训练 和验证。曲线判断过欠拟合,用网络搜索训练模型; 测试 NumPy 、 pandas 技能的掌握; 测试对模型评估与验证的理解;

特训营·第 3 计划·(阶段三)

分类与回归的区别,学习使用线性回归来做预测; Iris经典爱丽丝,爱丽丝进化与文本矢量化,AI操作 流程,数据切割函数,Iris爱丽丝分解,线性回归算 法,逻辑回归算法; 朴素贝叶斯原理,朴素贝叶斯算法,KNN近邻算法 ,随机森林算法,构建垃圾邮件分类器; 决策树算法,GBDT迭代决策树算法,SVM向量机 ,SVM-cross向量机交叉算方法,神经网络算法, MLP神经网络算法,MLP_reg神经网络回归算法, 探索泰坦尼克号乘客存活模型; 支持向量机以线性分离数据; 非线性可分的数据上来训练 SVM; boosting 提升传统方法;Adaboost,CCPP数据 集,数据集切割,读取CCPP数据集,机器学习统一 接口,批量调用机器学习算法,一体化调用,存储算 法模型,批量存储算法模型,批量加载算法模型,机 器组合算法; 监督学习测试题;

特训营·第 4 计划·(阶段四)

聚类算法,k-means 对数据聚类; k-means,K均值聚类算法是先随机选取K个对象作为 初始的聚类中心。计算每个对象与各个种子聚类中心 之间的距离,把每个对象分配给距离它最近的聚类中 心,对电影评分聚类; 单连接聚类法、层次聚类法,通过某种相似性测度计 算节点之间的相似性;DBSCAN,Density-Based Spatial Clustering of Applications with Nois是一 个比较有代表性的基于密度的聚类算法; 高斯混合模型、高斯概率密度函数、正态分布曲线及 相关示例; 通过案例学习特征缩放; 降维,PCA 的原理(PCA降维原理是基于训练数据集 X的协方差矩阵C的特征向量组成的K阶矩阵U,XU得 到X的k阶降维矩阵Z。主要原理用的是协方差矩阵C 是一个实对角矩阵的性质和使用场景; 特征脸方法、 SVM 脸部识别,使用预处理来提取更 有意义的特征。这里使用主成份分析来提取150个基 本元素,然后将其提供给支持向量机分类器,将这个 预处理和分类器打包成管道; 随机投影(随机投影的理论依据是J-L Lemma,公式 的核心思想总结一句话就是: 在高维欧氏空间里的点集映射到低维空间里相对距离 得到某误差范围内的保持,独立成分分析,Lab学习 应用这些方法; 非监督学习测试题;

特训营·第 5 计划·(阶段五)

深度学习,这是机器学习中一种基于对数据进行表 征学习的方法。观测值(例如一幅图像)可以使用 多种方式来表示,如每个像素强度值的向量,或者 更抽象地表示成一系列边、特定形状的区域等,而 使用某些特定的表情识别,包括softmax、one-hot encoding和cross entropy感知器,与梯度下降; 神经网络结构,通过 backpropogation 来训练网 络优化神经网络,如 regularization 与 dropout 使用 Keras 分析 IMDB 电影数据; 卷积神经网络原理,卷积神经网络,包括Convo- lutional,Neural Networks, CNN,是一类包含 卷积计算且具有深度结构的前馈神经网络,Feed- forward、Neural Netwo,是深度学习(deep learning)的代表算法之一、图像识别、keras、 迁移学习; 深度学习在癌症(如皮肤癌)检测,将近13万张可用 的皮肤病变图像,覆盖了2000多种不同的疾病类型。 他们使用这一数据集创建了图像库,并将其作为原 始像素提供给算法,每个像素都带有标签,描述了相 关疾病的附加数据。研究人员训练算法总结出图像里 的模式,也即发现疾病经由组织传播在外观上所遵循 的规则;

特训营·第 6 计划·(阶段六)

强化学习(reinforcement learning),又称再励学习 、评价学习,是一种重要的机器学习方法,在智能控 制机器人及分析预测等领域有许多应用,与 OpenAI Gym 的基础; 马尔科夫决策过程策略,基于马尔可夫过程理论的随 机动态系统的优决策过程; 马尔可夫决策过程是序贯决策的主要研究领域,它是 马尔可夫过程与确定性的动态规划相结合的产物,又 称马尔科夫型随机动态规划,属于运筹学中的支,推到Bellman方程; 迭代策略评估、策略改进、策略迭代和值迭代; 蒙特卡洛预测,也叫蒙特卡罗(Monte Carlo)方法, 又称随机抽样或统计试验方法,控制方案、greedy算 法、epsilon-greedy算法; Sarsa、Q-Learning 、预期 Sarsa; 解决 OpenAI Gym(OpenAI Gym 是一个用于开发 和比较RL 算法的工具包,与其他的数值计算库兼容 ,如tensorflow 或者theano 库。现在主要支持的 是python 语言,以后将支持其他语言)的Taxi-v2 任务; 传统算法适用于连续空间; 深度神经网络将强化学习方法扩展到复杂问题; 基于策略的方法优化优策略; 基于价值、基于策略的方法,解决具有挑战性的强化 学习问题; 强化学习相关的测试题;

  • 3 课程
  • 1 校区
  • 0 真实评价
立即咨询
400-029-0967 转 25781