• <button id="2q4wy"><menu id="2q4wy"></menu></button>
    <button id="2q4wy"><menu id="2q4wy"></menu></button><button id="2q4wy"></button>
  • <button id="2q4wy"></button>
    • <li id="2q4wy"></li>
  • <li id="2q4wy"></li>
    <button id="2q4wy"></button>
  • <button id="2q4wy"><xmp id="2q4wy">
  • <li id="2q4wy"><tt id="2q4wy"></tt></li>
  • 當前位置: 首頁(yè) > 內訓課程 > 課程內容
    廣告1
    相關(guān)熱門(mén)公開(kāi)課程更多 》
    相關(guān)熱門(mén)內訓課程更多 》
    相關(guān)最新下載資料

    人工智能機器學(xué)習與深度學(xué)習實(shí)戰案例及應用

    課程編號：22049

    課程價(jià)格：￥21200/天

    課程時(shí)長(cháng)：2 天

    課程人氣：1082

    行業(yè)類(lèi)別：不限行業(yè)     

    專(zhuān)業(yè)類(lèi)別：人工智能 

    授課講師：趙衛東

    • 課程說(shuō)明
    • 講師介紹
    • 選擇同類(lèi)課
    【培訓對象】
    企業(yè)中高層管理人員

    【培訓收益】
    任正非說(shuō)：如果我們不想死，就要向最優(yōu)秀的人和組織學(xué)習，否則怎么能先進(jìn)呢？該項目可以零距離接觸，感悟其優(yōu)秀文化，學(xué)習其先進(jìn)的管理之道——他人之石可以攻玉。

     

    章節

    內    容

    第一節

    第一節：機器學(xué)習深度學(xué)習與TensorFlow

    1.1 numpy/scipy/matplotlib/panda的介紹和典型使用；

    1.2 scikit-learn的介紹和典型使用；

    1.3 多元線(xiàn)性回歸；   1.4 Logistics回歸與Softmax回歸；

    1.5 決策樹(shù)和隨機森林； 1.6 SVM；

    1.7 多種聚類(lèi)的原理和調參；1.8 TensorFlow典型應用；

    1.9 典型圖像處理；        1.10 多項式擬合；

    1.11快速傅里葉變換FFT；  1.12 奇異值分解SVD；

    1.13 Soble/Prewitt/Laplacian算子與卷積網(wǎng)絡(luò )；

    第一節：代碼和案例實(shí)踐

    1.1股票交易數據的 (指數)移動(dòng)平均線(xiàn)與預測；

    1.2無(wú)人機圖像的風(fēng)機葉片缺陷檢測和識別系統；

    1.3環(huán)保檢測數據異常檢測和分析；

    1.4股票數據分析；

    1.5社會(huì )學(xué)人群收入預測；

    1.6葡萄酒數據集的決策樹(shù)/隨機森林分類(lèi)；

    1.7泰坦尼克乘客存活率估計；

    第二節

     

    第二節：卷積神經(jīng)網(wǎng)絡(luò )CNN

    2.1 神經(jīng)網(wǎng)絡(luò )結構，濾波器，卷積；

    2.2 池化，激活函數，反向傳播；

    2.3 目標分類(lèi)與識別、目標檢測與追蹤；

    2.4 AlexNet、VGGNet、GoogleLeNet；

    2.5 Inception-V3/V4；  2.6 ResNet、DenseNet；

    第二節：代碼和案例實(shí)踐

    2.1 數字圖片分類(lèi)；

    2.2 卷積核與特征提??；

    2.3 以圖搜圖；         2.4 人證合一；

    2.5 卷積神經(jīng)網(wǎng)絡(luò )調參經(jīng)驗分享；

    第三節

    第三節：圖像視頻的定位與識別

    3.1 視頻關(guān)鍵幀處理；          3.2 物體檢測與定位；

    3.3 RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN；

    3.4 YOLO；                   3.5 FaceNet；

    第三節：代碼和案例實(shí)踐：

    3.1 遷移學(xué)習；               3.2 人臉檢測；

    3.3 OCR字體定位和識別；      3.4?？妥R云；

    3.5 氣象識別；

     

     

    章節

    內    容

    第四節

    第四節：循環(huán)神經(jīng)網(wǎng)絡(luò )RNN

    4.1 RNN基本原理；             4.2 LSTM、GRU；

    4.3 Attention；                4.4 CNN+LSTM模型；

    4.5 Bi-LSTM雙向循環(huán)神經(jīng)網(wǎng)絡(luò )結構；

    4.6 編碼器與解碼器結構；

    4.7 特征提?。簑ord2vec；      4.8 Seq2seq模型；

    第四節：代碼和案例實(shí)踐：

    4.1 看圖說(shuō)話(huà)；    4.2 視頻理解；     4.3 藏頭詩(shī)生成；

    4.4 問(wèn)答對話(huà)系統；                   4.5 OCR；

    4.6 循環(huán)神經(jīng)網(wǎng)絡(luò )調參經(jīng)驗分享；

    第五節

    第五節：自然語(yǔ)言處理

    5.1 語(yǔ)言模型Bi-Gram/Tri-Gram/N-Gram； 5.2分詞/詞性標注；

    5.3 詞向量；     5.4文本分類(lèi)；       5.5機器翻譯；

    5.6 文本摘要；   5.7閱讀理解；       5.8 情感分析；

    第五節：代碼和案例實(shí)踐：

    5.1 HMM分詞；                   5.2 問(wèn)答系統；

    5.3 文本摘要的生成；        5.4智能對話(huà)系統和SeqSeq模型；

    5.5 閱讀理解的實(shí)現與Attention；

    第六節

    第六節：生成對抗網(wǎng)絡(luò )GAN和強化學(xué)習RL

    6.1 生成與判別；  6.2生成模型：貝葉斯、HMM到深度生成模型；

    6.3 GAN對抗生成神經(jīng)網(wǎng)絡(luò )；      6.4 DCGAN；

    6.5 Conditional GAN；   6.6 InfoGan；  6.7Wasserstein GAN；

    6.8 馬爾科夫決策過(guò)程；       6.9 貝爾曼方程、最優(yōu)策略；

    6.10 策略迭代、值迭代；      6.11 Q Learning；

    6.12 SarsaLamda；            6.13 DQN；

    6.14 A3C；                   6.15 ELF；

    第六節

    第六節：代碼和案例實(shí)踐：

    6.1 圖片生成；        6.2 看圖說(shuō)話(huà)；    6.3 OpenAI；

    6.4 飛翔的小鳥(niǎo)游戲；  6.5 基于增強學(xué)習的游戲學(xué)習；

    6.6 DQN的實(shí)現；
    咨詢(xún)電話(huà)：
    0571-86155444
    咨詢(xún)熱線(xiàn)：
    • 微信：13857108608
    聯(lián)系我們
    蜜芽亚洲av无码精品色午夜_久久免费国产AⅤ网_一本大道香蕉高清久久_精品久久久久久亚洲
  • <button id="2q4wy"><menu id="2q4wy"></menu></button>
    <button id="2q4wy"><menu id="2q4wy"></menu></button><button id="2q4wy"></button>
  • <button id="2q4wy"></button>
    • <li id="2q4wy"></li>
  • <li id="2q4wy"></li>
    <button id="2q4wy"></button>
  • <button id="2q4wy"><xmp id="2q4wy">
  • <li id="2q4wy"><tt id="2q4wy"></tt></li>