課程大綱： 人工智能：機器學習和深度學習+機器學習和深度學習之實戰(zhàn)進階培訓
第一講人工智能簡介
1.1什么是人工智能
1.2為什么要人工智能
1.3人工智能的發(fā)展簡史
1.4人工智能的現(xiàn)實案例舉例
第二講優(yōu)分類面和支持向量機
2.1什么是優(yōu)分類面
2.2支持向量機的本質(zhì)是什么
2.3支持向量機在線性不可分時怎么辦
2.4支持向量機中核函數(shù)如何選擇
2.5支持向量機在車牌識別中的應用案例
第三講決策樹
31什么是非數(shù)值特征
3.2為什么要引入決策樹
3.3如何設計決策樹
3.4如何構(gòu)造隨機森林
3.5決策樹在醫(yī)療系統(tǒng)中的應用案例
第四講深度學習之始：人工神經(jīng)網(wǎng)絡
4.1人工神經(jīng)網(wǎng)絡的設計動機是什么
4.2單個神經(jīng)元的功能
4.3人工神經(jīng)網(wǎng)絡的優(yōu)化以及誤差逆?zhèn)鞑ィ˙P）算法
4.4人工神經(jīng)網(wǎng)絡中需要注意的問題
4.5人工神經(jīng)網(wǎng)絡在表情識別、流量預測中的應用案例
第五講深度學習中的技巧和注意事項
5.1深度學習中過學習問題的處理
5.2如何選擇損失函數(shù)
5.3如何并行化
5.4如何解決深度學習中梯度消失問題
5.5如何選擇激勵函數(shù)
5.6權(quán)值衰減、Dropout以及新的網(wǎng)絡架構(gòu)
第六講卷積神經(jīng)網(wǎng)絡
6.1卷積以及卷積網(wǎng)絡的概念
6.2為什么在使用卷積網(wǎng)絡
6.3卷積網(wǎng)絡的結(jié)構(gòu)設計
6.4卷積網(wǎng)絡在圍棋中的應用
6.5卷積神經(jīng)網(wǎng)絡在圖像識別中的應用案例
第七講循環(huán)神經(jīng)網(wǎng)絡
7.1為什么要使用循環(huán)神經(jīng)網(wǎng)絡
7.21-of-N編碼
7.3循環(huán)神經(jīng)網(wǎng)絡的介紹
7.4長短期記憶網(wǎng)絡
7.5長短期記憶網(wǎng)絡在自然語言處理中的應用案例
第八講人工智能未來展望
8.1監(jiān)督學習中的新應用
8.2強制學習中的新應用
8.3非監(jiān)督學習中的新應用
8.4DeepMind介紹
第九講使用支持向量機進行車牌識別
第十講使用深度學習進行手寫體識別、人臉識別以及自然語言處理
第十一講機器學習項目進階加深：實現(xiàn)與改進
1，支持向量機實現(xiàn)車牌識別：案例實現(xiàn)與分析改進
車牌數(shù)據(jù)預處理以及要注意的問題
特征提取及特征選擇
單特征識別模型搭建
特征融合實現(xiàn)、改進及注意的問題
實現(xiàn)車牌識別全流程自動化的關鍵改進
2，決策樹實現(xiàn)銀行客戶貸款風險預測：案例實現(xiàn)與分析改進
決策樹的模型搭建
如何選擇決策樹的分裂屬性以及深層次思考
如何根據(jù)測試結(jié)果進行決策樹的優(yōu)化
決策樹中的剪枝實現(xiàn)
隨機森林的實現(xiàn)及注意事項
3，討論互動：學員提出問題并進行相互討論
4，案例總結(jié)：萃取案例中的經(jīng)驗并進行推廣應用
第十二講深度學習項目進階加深：實現(xiàn)與改進
1，卷積神經(jīng)網(wǎng)絡實現(xiàn)人臉識別：案例實現(xiàn)與分析改進
網(wǎng)絡搭建
如何根據(jù)結(jié)果進行網(wǎng)絡結(jié)構(gòu)調(diào)整（逐步講解與分析）
如何根據(jù)結(jié)果進行參數(shù)調(diào)整（逐步講解與分析）
終的參數(shù)如何確定（不在是混亂嘗試，而是深層次理解參數(shù)的含義）
2，卷積神經(jīng)網(wǎng)絡實現(xiàn)手寫體識別：案例實現(xiàn)與分析改進
網(wǎng)絡搭建（注意與人臉識別案例的對比）
如何根據(jù)結(jié)果進行網(wǎng)絡結(jié)構(gòu)調(diào)整（注意與人臉識別案例的對比）
如何根據(jù)結(jié)果進行參數(shù)調(diào)整（注意與人臉識別案例的對比）
終的參數(shù)如何確定（注意與人臉識別案例的對比）
3，循環(huán)神經(jīng)網(wǎng)絡實現(xiàn)客戶評價分類：案例實現(xiàn)與分析改進
網(wǎng)絡搭建
如何根據(jù)結(jié)果進行網(wǎng)絡結(jié)構(gòu)調(diào)整
如何根據(jù)結(jié)果進行參數(shù)調(diào)整
終的參數(shù)如何確定
加入高級會員獲得助教答疑
