机器学习与深度学习实战，本课程在实践方面，结合Python SK-learn、TensorFlow实现深度学习实践。 实现公共数据库数据与算法结合，实现数据预处理、训练数据集与测试数据集切分、校验、验证等，实现人脸识别程序案例、实现自然语言处理（NLP）
上海机器学习与深度学习实战
一、 招生对象:
数据分析数据挖掘相关人员、
对人工智能感兴趣的人员
对机器学习、深度学习感兴趣的学员
学员基础：
具备初步的IT基础知识
*具备linux操作经验（不做强制性要求）
具备有python使用经验和应用经验
二、 课程收益：
通过理论与实践相结合的方式，使用python语言作为主线，贯穿机器学习算法、框架，深度学习框架，人工智能，以实战出发，动手练习操作，现场问答，提升其行动学习能力
三、知识概要：
大数据分析与机器学习、人工智能及深度学习、Pyhton程序与数据处理、公共数据库数据训练。
课程内容：
学习内容
机器学习
一、大数据介绍
二、机器学习、人工智能及深度学习趋势介绍
三、深度学习、深度学习框架介绍
四、开发语言与深度学习
五、流行开发语言Python与机器学习渊源
六、环境搭建方法与开发环境搭建方法
七、机器学习环境搭建
案例研讨：大数据分析与机器学习、人工智能及深度学习
机器学习系统架构
一、Python核心编程技巧与技能提升
二、Python科学计算库应用
三、数据可视化与数据呈现
四、数据处理与数据清洗
五、实战一：数据处理实战
案例研讨：Pyhton程序与数据处理
机器学习
一、机器学习算介绍
二、算法与应用讲解
三、SK-learn机器学习库讲解
四、SK-learn机器学习与算法应用
五、数据、算法、框架应用
六、公用数据使用技巧
七、机器学习算法应用
八、案例：机器学习算法案例一
九、案例：模型建模案例分享二
案例研讨：算法学习、框架学习
案例练习：机器学习库与算法训练
机器学习数据库
一、机器学习数据准备
二、公共数据库使用与算法应用
三、数据标准化处理
数据准备、数据清洗、数据标准化、数据应用
案例训练：公共数据库数据训练
深度学习
一、深度学习与TensorFlow简介
二、TensorFlowOnSpark简介
三、卷积神经网络简介
四、TensorFlow实现卷积神经网络
五、循环神经网络简介
六、TensorFlow实现循环神经网络
七、TensorFlow深度学习实战
八、Tensorflow构建回归模型
九、Tensorflow深度学习模型
案例研讨：大数据分析与深度学习关系？
深度学习与人工智能
一、Tensorflow打造RNN网络模型
二、Tensorflow项目实战验证识别
三、人工智能简介
四、人工智能趋势及关键技术
五、openCV图像处理
六、案例：深度学习与人脸识别
七、案例：深度学习高级应用案例
案例研讨：结合业务深度学习应用场景设计，老师针对方案点评评比及后续建议
