關於舉辦“Python機器學習與深度學習核心技術應用”培訓班通知
各企事業單位、高等院校及科研院所:
機器學習(Machine Learning)是一門多領域交叉學科,涉及概率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為,以獲取新的知識或技能,重新組織已有的知識結構使之不斷改善自身的效能。它是人工智慧的核心,是使計算機具有智慧的根本途徑,其應用遍及人工智慧的各個領域,它主要使用歸納、綜合而不是演繹。機器學習已經有了十分廣泛的應用,例如:資料探勘、計算機視覺、自然語言處理、生物特徵識別、搜尋引擎、醫學診斷、檢測信用卡欺詐、證券市場分析、DNA序列測序、語音和手寫識別、戰略遊戲和機器人運用。目前,微軟、騰訊、谷歌、Facebook、百度、阿里巴巴等把深度學習作為未來工業和網際網路發展的研究重心。中國科學院、清華大學、北京大學等高校和科研院所成立專業研究中心和實驗室把深度學習進行科學技術成果轉化,顯著推動了深度學習應用的發展。
為進一步推動高等院校、科研院所及企事業單位在機器學習與深度學習研究工作的開展,中國管理科學研究院職業資格認證培訓中心(http://www.zgysnrzw.org/)聯合北京富卓佰揚科技有限公司特邀請在機器學習學術和研發領域一線專家共同舉辦“Python機器學習與深度學習核心技術與應用”培訓班。本次培訓主打理論結合實踐主題,課程強調動手操作;內容以程式碼落地為主,以理論講解為根,以公式推導為輔。具體事宜如下:
一、【培訓目標】
通過課程學習,可以掌握理解機器學習的思維方式和關鍵技術及演算法;瞭解機器學習和深度學習在當前工業界的落地應用;掌握Tensorflow框架在卷積神經網路、長短時記憶網路、迴圈神經網路等應用技巧與細節分析;能夠根據資料分佈選擇合適的演算法模型並書寫程式碼,能開發出一些實際的應用專案並運用 Python進行機器學習與深度學習的研究工作。
二、【培訓專家】
中國科學院計算技術研究所、清華大學、北京大學、上海大學等科研機構和大學的高階專家。人工智慧、機器學習、深度學習領域一線實戰專家。精通機器學習演算法原理與程式設計實踐。擁有多項國家專利及豐富的科研及工程技術經驗。長期從事深度學習、人工智慧、機器學習、計算機視覺等領域的教學與研究工作。
三、【培訓物件】
全國從事人工智慧、機器學習、深度學習、大資料、影象識別、語音識別、自然語言處理、人臉識別、目標檢測、無人駕駛、推薦系統、社交網路、計算機視覺、智慧機器人等領域的老師、研究生、本科生、工程師及有志於python、機器學習、深度學習研究的從業者。
四、【時間地點】
2018年
一、python基礎學習 |
1.python基礎學習 2.科學計算包numpy使用學習。 3.繪圖工具包matplotlib學習。 |
二、人工智慧與機器學習基礎 |
1.人工智慧概述 2.機器學習概述 3.機器學習演算法應用分析 |
三、迴歸演算法 |
1.一元線性迴歸 2.代價函式 3.梯度下降法 4.sklearn一元線性迴歸應用 5.多元線性迴歸 6.sklearn多元線性迴歸應用 7.非線性迴歸應該 |
四、KNN分類演算法 |
1.KNN分類演算法介紹 2.KNN分類演算法應用 3.KNN實現 |
五、決策樹演算法 |
1.決策樹演算法介紹 2.熵的定義 3.決策樹演算法與應用實現 |
六、整合演算法與隨機森林 |
1.Bagging演算法介紹 2.隨機森林建模方法 3.Adaboost演算法介紹 4.stack演算法介紹 |
七、K-means聚類演算法 |
1.K-means演算法介紹 2.K-means演算法應用 3.K-means演算法實際應用案例 |
八、支援向量機 |
1.SVM演算法介紹與原理推導 2.支援向量的作用 3.核函式的作用 4.建模方法 5.SVM完成人臉識別應用案例 |
九、機器學習使用者流失應用案例 |
1.資料樣本不平衡解決方案 2.結果評估方法 3.特徵處理 4.案例實戰 |
十、泰坦尼克號獲救預測案例 |
1.缺失值填充 2.特徵篩選 3.案例實戰 |
十一、深度學習基礎-神經網路介紹 |
1.人工神經網路發展史 2.單層感知器 3.啟用函式,損失函式和梯度下降法 4.BP演算法介紹 5.BP演算法解決手寫數字識別問題 |
十二、Tensorflow基礎應用 |
1.Tensorflow安裝 2.Tensorlfow基礎知識:圖,變數,fetch,feed 3.Tensorflow線性迴歸 4.Tensorflow非線性迴歸 5.Mnist資料集合Softmax講解 6.使用BP神經網路搭建手寫數字識別 7.交叉熵(cross-entropy)講解和使用 8.過擬合,正則化,Dropout 9.各種優化器Optimizer |
十三、卷積神經網路CNN應用 |
1.CNN卷積神經網路 2.卷積層、池化層(均值池化、最大池化) 3.深度殘差網路講解 3.CNN應用案例 4.CNN手寫數字案例 5.R-CNN目標檢測案例 |
十四、長短時記憶網路LSTM應用 |
1.RNN迴圈神經網路 2.RNN應用案例 3.長短時記憶網路LSTM 4.LSTM應用案例 |
十五、Google影象識別模型inception-v3專案實戰 |
1.使用訓練好的inception-v3完成影象識別 2.用自己收集的資料訓練影象識別模型 3.使用遷移學習完成影象分類 |
十六、文字分類專案實戰 |
1.NLP專案介紹 2.word2vec介紹 3.用LSTM訓練一個新的文字分類模型 |
十七、輔助課程 |
1.針對學員面對的實踐問題展開討論、方案建議。 2.建立QQ群、微信群(課後免費技術指導) 3.配備參考書和深度學習開發教材,便於課後逐步提高能力。 |
五、【培訓方式】
- 課程講座,研討與案例講解分析結合;採用深入淺出的方法,實踐技巧、並配以大量程式碼與實際案例練習;歡迎學員帶著在工作中遇到的實際問題與老師一起探討;北京高校機房教室上課。(建議攜帶膝上型電腦,方便做案例實驗)
六、【培訓費用】
統一收費3900元/人(含培訓費、資料費、證書認證費、指導費、發票費、午餐費等)
住宿可統一安排,費用自理。(如需會議費發票,可提供會議通知)
七、【頒發證書】
參加學員通過考試後可獲得:中國管理科學研究院職業資格認證培訓中心頒發的高階《機器學習應用工程師》專業能力證書,該證書可作為有關單位專業技術人員能力評價、從業人員加薪、晉升、考核和任職的重要依據。(可另外辦理工業和資訊化部證書)
注:請準備兩寸藍底照片、身份證及學歷證明電子版即可。
八、【報名方式】
請各有關部門統一組織本地區行政、企事業單位和科研院所及高等院校報名參加培訓,個人也可直接報名參加。報名回執表請QQ及微信線上傳送或通過E-mail傳送至會務處。
九、【聯絡方式】
聯絡人:劉老師 手機\微信:13261851751