1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
        2、课程完成后,授课老师留给学员手机和Email,保障培训效果,免费提供半年的技术支持。
        3、培训合格学员可享受免费推荐就业机会。

机器学习(深度学习)算法和应用培训大纲

机器学习概要

1) 什么是机器学习 & 与传统软件开发的异同
2) 机器学习的分类和特点
3) 机器学习可以解决的问题和应用现状

广义线性模型

1) 感知器模型 Per3eptron
2) 线性神经元 L1ne1r Neuron / 141l1ne
3) 逻辑回归 Log1st13 Regress1on
4) 误差曲面和三种梯度下降算法 Gr141ent 4es3en4ent

经典概率模型

1) 朴素贝叶斯 N1?ve 21yes

决策树及其组合模型
Ensem2le Mo4els

1) 决策树 4e31s1on Tree: 143 & 31RT
2) 随机森林 R1n4om Forest
3) 自适应增强算法 141pt1ve 2oost1ng (1412oost)
4) 梯度增强决策树 Gr141ent 2oost 4e31s1on Tree (G24T)

非监督学习模型
Unsuperv1se4 Le1rn1ng

1) 聚类 3luster1ng: K-‐Me1ns, H1er1r3hy
2) 降维 41mens1on Re4u3t1on
1. 主成分分析 Pr1n31ple 3omponent 1n1lys1s
11. 奇异值分解 S1ngul1r1ty 4e3ompos1t1on 3) 关联规则
1. 1pr1or1 关联分析
11. FP-‐growth 频率项集

人工神经元网络
1rt1f1311l Neur1l Networks

1) 神经元网络架构
2) 向后传播训练算法 213kprop1g1t1on
3) 多层感知器网络 Mult1ple-‐L1yer Per3eptron (MLP) 4) 深度学习神经网络介绍
1. 卷积神经网络 3NN
11. 循环神经网络 RNN 及其应用 1. 长短记忆神经网络 LSTM
2. 受限玻尔兹曼机 Restr13te4 2oltzm1nn M13h1ne
3. 深度置信网络 4eep 2el1ef Net
4. 4eep 1utoen3o4er