Python机器学习与深度学习核心技术

在这个人工智能火热的时代，在商业、经济及其他领域中基于数据和分析去发现问题并作出科学客观的决策越来越重要；python是一种面向对象直译式计算机程序设计语言，也是一种功能强大的通用型语言，已经成为最受欢迎的动态编程语言之一，被越来越多的科研人员用来处理实验数据、制作图表及开发科学计算应用程序，采用Python做科学计算的研究机构日益增多，Python逐渐被认为是学习和实现机器学习技术最好的语言之一，为了协助满足行业对python数据处理相关高端人才的迫切需求，我单位将于近期举办“Python机器学习与深度学习核心技术培训班”，本次会议由北京中卓佳创教育科技有限公司承办并负责会议接待、开具票据等相关工作。具体安排如下：

一、培训对象：

各高等院校、科研机构大数据相关学科、计算机、软件、信息管理、统计等科研人员，在读高年级本科生及研究生以及有志于python机器学习研究和应用的个人及从业者。

二、时间地点：

年5月10日-年5月14日上海（5月10日全天报到）

三、课程简介：

课程强调从零开始，动手操作；内容以代码落地为主，以理论讲解为根，以公式推导为辅。共4天8节，每节各3~3.5小时，讲解机器学习和深度学习的模型理论和代码实践，梳理机器学习、深度学习、计算机视觉的技术框架，从根本上解决如何使用模型、优化模型的问题；每次课中，首先阐述算法理论和少量公式推导，然后使用真实数据做数据挖掘、机器学习、深度学习的数据分析、特征选择、调参和结果比较。

四、课程特点：

课程重视代码实践，使用银行、金融、运营商等工业界实际数据（数据已脱敏）进行机器学习模型的落地应用。虽然课程坚持推导公式，但更重视机器学习和深度学习的原理与实操；将实际工作中遇到的行业应用和痛点做最直观切实的展示；重视算法模型的同时，更强调实际问题中应该如何模型选择、特征选择和调参。

五、讲师简介：

邹博，中国科学院副研究员，天津大学特聘教授，成立中国科学院邹博人工智能研究中心（杭州站），研究方向机器学习、数据挖掘、计算几何，应用于大型气象设备的图像与文本挖掘、股票交易与预测、量子化学医药路径寻优、传统农资产品价格预测和决策等领域。

六授课内容

（一）机器学习与Python库

解释器Python2.7与IDE：Anaconda/Pycharm

1.Python基础：列表/元组/字典/类/文件

2.numpy/scipy/matplotlib/panda的介绍和典型使用

3.多元高斯分布

4.典型图像处理

5.scikit-learn的介绍和典型使用

6.多种数学曲线

7.多项式拟合

8.快速傅里叶变换FFT

9.奇异值分解SVD

10.Soble/Prewitt/Laplacian算子与卷积网络

（二）回归

线性回归

1.Logistic/Softmax回归

2.广义线性回归

3.L1/L2正则化

4.Ridge与LASSO

5.ElasticNet

6.梯度下降算法：BGD与SGD

7.特征选择与过拟合

8.Softmax回归的概念源头

9.最大熵模型

10.K-L散度

（三）决策树和随机森林

熵、联合熵、条件熵、KL散度、互信息

1.最大似然估计与最大熵模型

2.ID3、C4.5、CART详解

3.决策树的正则化

4.预剪枝和后剪枝

5.Bagging

6.随机森林

7.不平衡数据集的处理

8.利用随机森林做特征选择

9.使用随机森林计算样本相似度

10.异常值检测

（四）SVM

线性可分支持向量机

1.软间隔

2.损失函数的理解

3.核函数的原理和选择

4.SMO算法

5.支持向量回归SVR

6.多分类SVM

（五）聚类

各种相似度度量及其相互关系

1.Jaccard相似度和准确率、召回率

2.Pearson相关系数与余弦相似度

3.K-means与K-Medoids及变种

4.AP算法(Sci07)/LPA算法及其应用

5.密度聚类DBSCAN/DensityPeak(Sci14)

6.谱聚类SC

7.聚类评价和结果指标

（六）隐马尔科夫模型HMM

主题模型LDA

1.词潜入和word2vec

2.前向/后向算法

3.HMM的参数学习

4.Baum-Welch算法详解

5.Viterbi算法详解

6.隐马尔科夫模型的应用优劣比较

7.共轭先验分布

8.Laplace平滑

9.Gibbs采样详解

10.Metropolis-Hastings算法

11.MCMC

（七）卷积神经网络

卷积神经网络模型介绍

1.神经网络结构，滤波器，卷积，池化，激活函数，反向传播

2.目标分类与识别、目标检测与追踪·经典AlexNet

3.高级卷积网络模型：VGG、ResNet、GoogleLeNet、DenseNet

4.深度图片生成网络U-Net

5.物体检测：RCNN，Fast-RCNN，Faster-RCNN,FPN系列

（八）循环神经网络

RNN进阶

1.RNN基本原理

2.LSTM、GRU

3.注意力机制（Attention）

4.编码器与解码器结构

5.语言特征提取：word2vec

6.循环神经网络进阶模型

7.搭配CNN使用，组成CNN+LSTM模型

8.Bi-LSTM双向循环神经网络结构

9.Seq2seq模型

七、培训费用

全部课程元/人（含培训费、教材费、证书申报费），机器学习模块（前三天）：元/人（含培训费、教材费、证书申报费），食宿以及差旅，费用自理。参加相关培训学员，可获得：中国管理科学院人才战略研究所颁发《机器学习技术与应用管理师》专业技能证书，该证书可作为有关单位专业技术人员能力评价、考核和升职的重要依据。注：请学员自备电子照片1张（注明姓名）以及电子版身份证复印件，请学员自带笔记本电脑，讲师以U盘的形式提供全部教学课件、源代码、实验数据、编程操作步骤.

八、联系人：孙浩

手机:()

扫一扫左边，更多惊喜等着你。............

赞赏

长按向我转账

受苹果公司新规定影响，iOS版的赞赏功能被关闭，可通过转账支持。

转载请注明：http://www.92nongye.com/xxmb/204620189.html