|
[size=14.0000pt]一、授课时间：2020年2月28日—2020年3月4日 （每晚19:00—22:00） 二、授课方式：QQ群 三、主讲专家 “覃秉丰”：AI创业公司创始人。人工智能、机器学习、深度学习领域一线实战专家。精通机器学习算法原理与编程实践。拥有多项国家专利及丰富的科研及工程技术经验。长期从事深度学习、人工智能、机器学习、计算机视觉等领域的教学与研究工作。 四、会议目标：通过课程学习， 1.可以掌握理解机器学习的思维方式和关键技术及算法； 2.了解机器学习和深度学习在当前工业界的落地应用； 3.掌握最新Tensorflow2.0版本框架在卷积神经网络、长短时记忆网络、循环神经网络等应用技巧与细节分析； 4.能够根据数据分布选择合适的算法模型并书写代码，能开发出一些实际的应用项目并运用 Python进行机器学习与深度学习的研究工作。 [size=14.0000pt]五、参会费用 1、网课课程 统一收费1299元/人（六天、18课时；可开具发票，做长期技术指导） 2、线下课程 统一收费4500元/人（含培训费、资料费、指导费、发票费、证书认证费），住宿可统一安排费用自理 [size=14.0000pt]六、优惠政策 1、参加网课学员后期可参加院校线下课程（本单位每月举办线下课程，由于疫情影响暂停），线下课程总费用4500元（减去－）线上课程费用1299元（等于＝）网课学员参加线下费用3201元。 2、线下学员通过考试后可获得：工业和信息化部人才交流中心颁发 高级《人工智能应用开发工程师》项目认证证书，该证书可作为有关单位专业技术人员能力评价、以及求职应聘和从业人员加薪、晋升、考核等任职的重要依据。 注：请准备两寸蓝底照片、身份证及学历证明（学生证、毕业证、学位证都可）电子版即可。 七：应各企事业单位、高等院校及科研院所技术需求，特开展“python人工智能与机器学习”网络直播课程，特此发至邀请通知 Python 人工智能与机器学习—网课大纲 | | | | | 1.python基础学习 2.科学计算包numpy使用学习 3.绘图工具包matplotlib学习 | | | 1.人工智能概述 2.机器学习概述 3.机器学习算法应用分析 | | | 1.一元线性回归 2.代价函数 3.梯度下降法 4.sklearn一元线性回归应用 5.多元线性回归 6.sklearn多元线性回归应用 案例：葡萄酒质量和时间的关系 | | | 1.KNN分类算法介绍 2.KNN分类算法应用 3.KNN实现 案例：鸢尾花分类 | | | 1.决策树算法介绍 2.熵的定义 3.决策树算法与应用实现 案例：用户购买行为预测 | | | 1.Bagging算法介绍 2.随机森林建模方法 3.Adaboost算法介绍 4.stack算法介绍 | | | 1.K-means算法介绍 2.K-means算法应用 3.K-means算法实际应用案例 案例：NBA球队实力聚类分析 | | | | | | | | | 1.人工神经网络发展史 2.单层感知器 3.激活函数，损失函数和梯度下降法 4.BP算法介绍 案例：BP算法解决手写数字识别问题 | | | 1.Tensorflow安装 2.Tensorlfow基础知识：图，变量，fetch[size=10.5000pt]，feed 3.Tensorflow线性回归 4.Tensorflow非线性回归 5.Mnist数据集合Softmax讲解 6.使用BP神经网络搭建手写数字识别 7.交叉熵(c ROSs-entropy)讲解和使用 8.过拟合,正则化,Dropout 9.各种优化器Optimizer | | | 1.CNN卷积神经网络 2.卷积层、池化层（均值池化、最大池化） 3.CNN手写数字案例 | | | 1.RNN循环神经网络 2.长短时记忆网络LSTM 3.LSTM应用案例 | | | 1.图像数据增强 2.用自己收集的数据训练图像识别模型 3.使用迁移学习完成图像分类 | | | 1.自然语言处理项目介绍 2.word2vec介绍 3.用CNN训练一个新的文本分类模型 4.用LSTM训练一个新的文本分类模型 | | | 1.人脸识别任务介绍 2.人脸检测模型MTCNN 3.人脸识别算法FaceNet介绍 4.训练自己的人脸识别模型目标检测算法标签标注 |
七、报名方式
联系人：冠 楠 Q Q：1549935216 邮箱：1549935216@qq.com 微 信：18311050656
| 
/1 
|Archiver|手机版|小黑屋|陕ICP备15012670号-1
发表于 2020-2-15 04:13:31
收藏