优化大师破解版app,南京seo培训,大型网站建设部署方案,网站设计方案模板【课程时长】 8天#xff08;6小时/天#xff09; 【课程简介】 随着AIGC#xff08;基于AI的内容生成#xff09;技术的崛起#xff0c;以ChatGPT为代表的人工智能技术正引领全球科技潮流。为了帮助学员更好地理解和应用这一技术#xff0c;特推出了本课程。 本课程… 【课程时长】 8天6小时/天 【课程简介】 随着AIGC基于AI的内容生成技术的崛起以ChatGPT为代表的人工智能技术正引领全球科技潮流。为了帮助学员更好地理解和应用这一技术特推出了本课程。 本课程从基础开始深入浅出地讲解Python数据分析、机器学习等核心概念以及各种常用经典算法如决策树、关联规则、聚类、贝叶斯网络、神经网络、支持向量机等。同时我们还将介绍知识图谱、Transformer、大模型和多模态等前沿技术。 通过为期8天的系统学习我们将结合实际案例进行讲解和实践操作帮助学员逐步掌握人工智能的核心知识和技能。无论是初学者还是有一定基础的学员本课程都将为学员们打开一扇通往人工智能知识殿堂的大门让学员们在未来的科技领域中更具竞争力。 【课程收益】 掌握Python开发技能掌握深度学习工具TensorFlow、Keras、pytorch等掌握数据挖掘与机器学习进阶知识掌握深度学习的理论与实践掌握知识图谱基本知识掌握transformer的理论知识掌握大模型的理论与实践掌握多模态技术的理论与实践为学员的后续项目应用提供针对性的建议 【课程特点】 本课程力图理论结合实践重视动手实践课程内容以原理讲解为根本以应用落地为目标。课程通过大量形象的比喻和手算示例来解释复杂的机器学习、深度学习理论既能将原理充分讲懂讲透也避免了繁复而枯燥的公式推导。 【课程对象】 计算机相关专业本科或理工科本科且至少熟悉一门编程语言。 【主讲专家】 叶梓博士、高级工程师。2005年上海交通大学计算机专业博士毕业主研方向为数据挖掘、机器学习、人工智能等。现为某大型上市软件企业的人工智能团队技术负责人。曾主持设计并搭建上海市卫计委卫生大数据平台、无锡市卫生大数据平台在大数据、人工智能应用等方面有着丰富的工程实践经验。先后在SCI或EI期刊上发表论文4篇在中文核心期刊上发表论文近20篇并被百度学术收录。2011年获中国医院协会科技创新一等奖。 【学员基础】 学员应初步了解Python的基本语法包括引入外部包常用的数据结构定义函数面向对象编程文件读写访问数据库可视化的界面展示等。 【准备工作】 1、anaconda包的安装并配置多个环境 2、pip install的技巧 3、Jupyter Notebook的使用 4、opencv的安装 5、Tensorflow的安装和Pytorch的安装 【课程大纲】培训内容可根据客户需求调整 时间 内容 案例实践与练习 Day1上午 预处理与回归 数据预处理 数据清理规范化模糊集与粗糙集无标签时PCA有标签时Fisher线性判别数据压缩DFT、小波变换 回归与时序分析 线性回归非线性回归logistics回归LASSO岭回归Elastic Net 案例实践 数据清洗的例子PCA的实验DFT的实验LASSO与岭回归Elastic Net Day1下午 基于python实现的经典算法 决策树模型 分类和预测熵减过程与贪心法ID3C4.5其他改进方法决策树剪枝 聚类 监督学习与无监督学习K-means与k-medoids层次的方法基于密度的方法基于网格的方法孤立点分析 案例实践 决策树的实验鸢尾花数据的聚类手肘法分析最佳聚类个数各种聚类方式的图形化展示 Day2上午 基于python实现的经典算法 关联规则 频繁项集支持度与置信度提升度Apriori性质连接与剪枝 性能评价指标 精确率P、R与F1ROC与AUC对数损失泛化性能评价k折验证验证 BP神经网络 人工神经元及感知机模型Sigmoid激活函数前向神经网络的架构梯度下降误差反向传播详解 案例实践 超市购物篮——关联规则分析朴素贝叶斯案例皮马印第安人患糖尿病的风险 案例实践 皮马印第安人糖尿病风险验证多种模型绘制ROC并计算AUC手算神经网络BP算法只用numpy手推BPNN Day2下午 SVM与深度学习基础 支持向量机 “双螺旋”问题基本模型与惩罚项求解对偶问题核函数映射到高维从二分类到多分类用于连续值预测的支持向量机 深度学习基础 连接主义的兴衰深度学习与神经网络的区别与联系目标函数与激励函数学习步长权重初始化权重衰减Weight Decay梯度下降的方法Adagrad \ RMSprop \ Adam避免过适应 案例实践 SVM实现人脸识别应用通过深度BP网络实现手写数字的识别各种梯度下降方法的实战效果Batch normalization的实战效果 Day3上午 CNN与目标检测 图像分类CNN 图像分类概述AlexNet与ZF-Net卷积层的误差反向传播池化层的误差反向传播VGG5层变为5组迁移学习GoogLenet和Inception模块模型退化与ResNetDenseNet充分利用特征最新的efficientnet 二阶段目标检测 目标检测项目介绍R-CNNSPPNET全图卷积、SPP层Fast-RCNN多任务Faster-RCNNRPN 案例实践 VGG各层的可视化展现迁移学习阿猫与阿狗Resnet用于图像分类基于Faster-RCNN的通用目标检测示例改造成“血细胞识别”系统