北京大数据与人工智能实践培训

导读 本培训实践与理论并重,通过理论讲解,算法阐述,算法适用场景,实例分析和编码实践,以及对最新的人工智能算法的趋势和热点的分析和介绍,使学员不仅掌握机器学习,人工智能领域常用算法,而且可以在实战中应用机器学习人工智能解决*中的实际问题,从而帮助企业在人工智能时代拔得头筹占得先机。
400-888-9073 163
华为 安全 自动化运维 云计算与物联网 前沿课程 项目管理 编程语言 研发改进 软件测试 大数据与人工智能 架构设计 职业素养 管理技能

课程详情

2021-04-09

数据与人工智能实践培训

本培训实践与理论并重,通过理论讲解,算法阐述,算法适用场景,实例分析和编码实践,以及对最新的人工智能算法的趋势和热点的分析和介绍,使学员不仅掌握机器学习,人工智能领域常用算法,而且可以在实战中应用机器学习人工智能解决*中的实际问题,从而帮助企业在人工智能时代拔得头筹占得先机。
一、学员基础
了解基本统计知识,具备初步的IT基础知识和基本数学理论,可使用python,Scala编程
二、课程大纲
1、人工智能和机器学习概述

人工智能发展史

应用场景概述:如图像识别,文本分析,推荐系统

最近成果概述:如强化学习,生成式对抗网络,基于低能量的网络,one-shot leaning

软件框架概述,如sparkML,sklean,tensorflow,caffe,Theano

2、线性回归

通过图形直观展示线性回归算法

线性回归算法详解—成本函数和参数更新函数

机器是怎么学习?--梯度下降算法详述

学的“快”和“好”--学习率的权衡与*实践

保持相同的“起跑线”的利器-Feature Scaling

多变量线性回归模型介绍

3、多项式回归模型

真实世界不全是线性的--如何应对更复杂的场景

过犹不及--模型的过分拟合和拟合不足

训练一个“恰好”模型的*实践

模型的优劣的评估

4、逻辑回归

逻辑回归模型和场景概述

线性匪类器与非线性分类器

激活函数的多种选择

cost function的变化

5、多分类的逻辑回归

one-hot encoding

两种多分类的方案

one-vs-all方案

soft-max方案

6、分类算法:决策树

分类与聚类

决策树特点和原理

建立决策树

*划分的度量:信息熵的应用

模型的过分拟合和拟合不足

模型优劣的评估

7、组合方法

组合分类的基本原理

偏倚-方差分解

随机森林

袋装方法

8、聚类算法:K-means

监督学习和无监督学习比较

非监督模型场景举例

图形展示K-means的训练过程

两步实现K-means算法

K的选择问题

K-means算法导致局部最优及*实践
上一篇: 北京SPSS商业数据分析培训 下一篇: 北京大数据与人工智能深度学习培训

推荐课程

查看全部课程
北京IT认证培训中心

北京IT认证培训中心

海淀校区

查看全部校区 进入官方主页