 班級規模及環境--熱線:4008699035 手機:15921673576( 微信同號) |
|
每期人數限3到5人。 |
| 上課時間和地點 |
開課地址：【上海】同濟大學(滬西)/新城金郡商務樓(11號線白銀路站)【深圳分部】：電影大廈(地鐵一號線大劇院站) 【武漢分部】：佳源大廈【成都分部】：領館區1號【沈陽分部】：沈陽理工大學【鄭州分部】：錦華大廈【石家莊分部】：瑞景大廈【北京分部】：北京中山學院 【南京分部】：金港大廈
最新開班 (連續班 、周末班、晚班）：2020年3月16日 |
| 實驗設備 |
☆資深工程師授課
☆注重質量
☆邊講邊練
☆合格學員免費推薦工作
★實驗設備請點擊這兒查看★ |
| 質量保障 |
1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
3、培訓合格學員可享受免費推薦就業機會。 |
課程大綱 |
| |
第1章人工智能入學指南
1-1AI時代首選Python
1-2Python我該怎么學
1-3人工智能的核心-機器學習
1-4機器學習怎么學？
1-5算法推導與案例
1-6系列課程環境配置
第2章K近鄰算法實戰
2-1K近鄰算法概述
2-2模型的評估
2-3數據預處理
2-4sklearn庫與功能介紹
2-5多變量KNN模型
第3章線性回歸算法
3-1線性回歸算法概述
3-2誤差項分析
3-3似然函數求解
3-4目標函數推導
3-5線性回歸求解
第4章梯度下降算法
4-1梯度下降原理
4-2梯度下降策略對比
4-3學習率對結果的影響
第5章邏輯回歸算法
5-1邏輯回歸算法原理推導
5-2邏輯回歸求解
第6章案例實戰：Python實現邏輯回歸與梯度下降策略對比
6-1Python實現邏輯回歸任務概述
6-2完成梯度下降模塊
6-3停止策略對比
6-4實驗對比效果
第7章決策樹算法
7-1決策樹算法原理概述
7-2衡量標準-熵
7-3決策樹構造實例
7-4信息增益率
7-5決策樹剪枝策略
第8章案例實戰：決策樹Sklearn實例
8-1決策樹復習
8-2決策樹涉及參數
8-3樹可視化與Sklearn庫簡介
8-4Sklearn參數選擇模塊
第9章集成算法與隨機森林
9-1集成算法-隨機森林
9-2特征重要性衡量
9-3提升模型
9-4堆疊模型
第10章集成算法實戰
10-1集成算法實例概述
10-2ROC與AUC指標
10-3基礎模型
10-4集成實例
10-5Stacking實例
10-6效果改進
第11章機器學習處理實例問題的套路
11-1HTTP檢測任務與數據挖掘的核心
11-2論文的重要程度
11-3BenchMark概述
11-4BenchMark的作用
第12章數值特征
12-1基本數值特征
12-2常用特征構造手段
12-3時間特征處理
12-4文本特征處理
12-5構造文本向量
12-6詞向量特征
12-7計算機眼中的圖像
第13章貝葉斯算法
13-1貝葉斯算法概述
13-2貝葉斯推導實例
13-3貝葉斯拼寫糾錯實例
13-4垃圾郵件過濾實例
13-5貝葉斯實現拼寫檢查器
第14章降維算法：線性判別分析
14-1線性判別分析要解決的問題
14-2線性判別分析要優化的目標
14-3線性判別分析求解
第15章案例實戰：Python實現線性判別分析
15-1實現線性判別分析進行降維任務
15-2求解得出降維結果
第16章降維算法：PCA主成分分析
16-1PCA降維概述
16-2PCA要優化的目標
16-3PCA求解
16-4PCA降維實例
第17章學習曲線分析
17-1Bias與Variance曲線
17-2數據集中的結果
17-3曲線實驗結果
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業