课程目录:机器学习与深度学习算法及应用培训
4401 人关注
(78637/99817)
课程大纲:

          机器学习与深度学习算法及应用培训

 

 

 

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、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