课程安排:
第一、机器学习基础
1.机器学习的开发过程
2.监督学习的处理模式
3.无监督学习的处理模式
4.机器学习模型的开发步骤
5.机器学习模型开发的要点
第二、机器学习实战
1.分类
2.回归
3.时间序列分析
4.关联分析
5.聚类与降维
第三、深度学习基础
1.神经元与神经网络
2.激活函数的点火机制
3.Sigmoid函数与参数优化
4.梯度下降法
5.简单感知机
6.多层感知机
7.Tensorflow实现感知机
8.Keras实现感知机
9.PyTorch实现感知机
第四、深度学习进阶
1.前馈神经网络
2.误差反向传播
3.创建神经网络
4.Fashion-MNIST图像识别
5.TensorFlow构建图像识别网络模型
6.Keras构建图像识别网络模型
7.PyTorch构建图像识别网络模型
第五、卷积神经网络与图像识别
1.卷积神经网络的结构
2.基于TensorFlow构建CNN
3.基于Keras构建CNN
4.基于PyTorch构建CNN
第六、一般物体的图像识别
1.多分类数据集CIFAR-10介绍
2.CNN识别普通物体的结构
3.基于TensorFlow + CNN构建物体识别模型
4.基于Keras + CNN构建物体识别模型
5.基于PyTorch + CNN构建物体识别模型
6.模型调优提高物体识别精度
第七、循环神经网络
1.RNN基本结构
2.LSTM文章生成
3.GRU图像生成
4.VEA图像生成
5.GAN图像生成
第八、Open CV与图像识别
1.OpenCV安装
2.基于OpenCV物体检测
3.图像检测与图像保存
第九、知识图谱概述
1.知识图谱(KG)概念
2.知识图谱的起源与发展
3.典型知识图谱项目简介
4.知识图谱技术概述
5.知识图谱典型应用
第十、知识存储
1.知识图谱数据库
2.知识图谱存储方法
3.基于Neo4j的知识存储实践
4.开源知识存储工具理论与实践
第十一、知识图谱案例
基于Neo4j人物关系知识图谱存储与检索
第十二、GYM与强化学习
1.GYM安装与游戏奖罚设置
2.强化学习的与众不同
3.马尔科夫性质与决策过程
4.SARSA 算法介绍与推导
5.蒙特卡洛多步采样
第十三、基于DQN神经网络构建
1.CartPole规则与演示
2.Q-Table局限性
3.爬山算法获取最优解
4.DQN 强化神经网络
5.DQN原理分析
6.强化学习模型部署与应用
主办单位:
上海复锐企业管理咨询有限公司
联系方式:
电话:021-65210156、021-65214838 18917636997
网址:www.free863.com
周末及下班时间服务热线:13817832229