【培訓對象】
計算機相關專業(yè)本科；或理工科本科，且至少熟悉一門編程語言。

【培訓收益】
 掌握 Python 基本開發(fā)技能  掌握數(shù)據(jù)分析與機器學習基本知識；  掌握數(shù)據(jù)分析與機器學習進階知識；  掌握深度學習的理論與實踐；  掌握深度學習工具：TensorFlow 等；  為學員的后續(xù)項目應用提供針對性的建議。

【課程大綱】（培訓內(nèi)容可根據(jù)客戶需求調(diào)整）
時間 內(nèi)容 案例實踐與練習
Day1 上午
實驗環(huán)境搭建
數(shù)據(jù)預處理
實驗環(huán)境搭建
1、 anaconda 包的安裝
2、pip install 的技巧
3、最簡版的 python 教程
4、通過 anaconda 配置多個環(huán)境
5、Jupyter Notebook 的使用
數(shù)據(jù)預處理
1、 歸一化
2、模糊集與粗糙集
3、無標簽降維：PCA
4、分解降維：SVD
5、 數(shù)據(jù)壓縮：DFT、小波變換
案例實踐： 1、Anaconda（python）安裝
2、 Tensorflow 安裝
3、 繪圖工具包 matplotlib
4、 opencv 包的使用
Day1 下午
回歸與時序分析
決策樹
聚類
關聯(lián)規(guī)則
回歸與時序分析
1、 線性回歸
2、非線性回歸
3、logistics 回歸
4、平穩(wěn)性、截尾與拖尾
5、ARIMA
決策樹
1、 分類和預測
2、熵減過程與貪心法
3、ID3 與 C4.5
4、 其他改進方法
5、 前置剪枝與后置剪枝
聚類
1、 監(jiān)督學習與無監(jiān)督學習
2、K-means
3、k-medoids
4、基于層次、密度、網(wǎng)格的方法
5、手肘法確定合理的聚類個數(shù)
關聯(lián)規(guī)則
1、 頻繁項集
2、支持度、置信度與提升度
3、Apriori 性質(zhì)
4、連接與剪枝
案例實踐： 1、回歸的實驗
2、 ARIMA 預測實驗
3、 各種聚類的區(qū)別
4、 鳶尾花數(shù)據(jù)的決策樹分類
Day2 上午
性能評價指標
從樸素貝葉斯到 EM
性能評價指標
1、 混淆矩陣與精確率；
2、P、R 與 F1
3、ROC 與 AUC
4、對數(shù)損失
5、泛化性能評價：k 折驗證驗證
從樸素貝葉斯到 EM
1、 條件概率、聯(lián)合概率
2、“概率派”與“貝葉斯派”
3、樸素貝葉斯模型
4、極大似然估計
5、對數(shù)似然函數(shù)
6、EM 算法
案例實踐： 1、超市購物籃——關聯(lián)規(guī)則分析
2、 印第安人患糖尿病的風險
3、 繪制 ROC 并計算 AUC、F1
4、 雙正態(tài)分布的參數(shù)估計
5、 Kaggle：泰坦尼克號幸存者分析
Day2 下午
BP 神經(jīng)網(wǎng)絡
支持向量機
遺傳算法
BP 神經(jīng)網(wǎng)絡
1、 人工神經(jīng)元及感知機模型
2、前向神經(jīng)網(wǎng)絡
3、Sigmoid 與 tanh
4、梯度下降
5、誤差反向傳播
支持向量機
1、 “雙螺旋”問題
2、基本模型與懲罰項
3、求解對偶問題
4、核函數(shù)：映射到高維
5、從二分類到多分類
6、用于連續(xù)值預測的支持向量機
遺傳算法
1、 種群、適應性度量
2、 交叉、選擇、變異
3、 基本算法
案例實踐： 1、可以手算的神經(jīng)網(wǎng)絡
2、 手推一個 BPNN
3、 各種隨機梯度下降
案例實踐： 1、人臉識別：SVM
2、 “同宿舍”問題：遺傳算法
Day3 上午
隱馬爾科夫模型
條件隨機場
隱馬爾科夫模型
1、 馬爾科夫過程
2、隱馬爾科夫模型
3、三個基本問題（評估、解碼、學習）
4、前向-后向算法
5、Viterbi 算法
6、Baum-Welch 算法
條件隨機場
案例實踐： 1、擲骰子的序列（HMM 前向算法） 2、 我是不是病了？（viterbi 算法）
3、 實現(xiàn)圖像輪廓精細分割（CRF）
1、 最大熵原理
2、無向圖模型
3、MRF 與 CRF
4、定義在最大團上的勢函數(shù)
5、線性鏈條件隨機場
Day3 下午
集成學習
強化學習
深度學習初步
集成學習
1、 bagging 系列
2、隨機森林
3、boosting 系列
4、Adaboost
5、GBDT 與 Xgboost
6、catboost 與 lightGBM
7、 stacking 系列
強化學習
1、 agent 的屬性
2、馬爾科夫獎勵/決策過程
3、狀態(tài)行為值函數(shù)
4、exploration and exploitation
5、Bellman 期望方程
6、最優(yōu)策略
7、 策略迭代與價值迭代
8、蒙特卡洛法
9、時序差分法
深度學習初步
1、 連接主義的興衰史
2、深度學習與 NN 的區(qū)別與聯(lián)系
3、目標函數(shù)與激勵函數(shù)改進
4、梯度下降的改進
5、用于分類的 CNN
6、目標檢測
7、 RNN 與 LSTM
8、生成對抗網(wǎng)絡（GAN） 

 

葉梓，上海交通大學計算機專業(yè)博士畢業(yè)，高級工程師。主研方向：數(shù)據(jù)挖掘、機器學習、人工智能。歷任國內(nèi)知名上市IT企業(yè)的AI技術總監(jiān)、資深技術專家，市級行業(yè)大數(shù)據(jù)平臺技術負責人。

 

長期負責城市信息化智能平臺的建設工作，開展行業(yè)數(shù)據(jù)的智能化應用研發(fā)工作，牽頭多個省級、市級行業(yè)智能化信息系統(tǒng)的建設，主持設計并搭建多個省級、市級行業(yè)大數(shù)據(jù)平臺。參與國家級人工智能課題，牽頭上海市級人工智能示范應用課題研究。

 

帶領團隊在相關行業(yè)領域研發(fā)多款人工智能創(chuàng)新產(chǎn)品，成功落地多項大數(shù)據(jù)、人工智能前沿項目，其中信息化智能平臺項目曾榮獲：“上海市信息技術優(yōu)秀應用成果獎”。帶領團隊在參加國際NLP算法大賽，獲得Top1%的成績。參與國家級、省級大數(shù)據(jù)技術標準的制定，曾獲省部級以上的科技創(chuàng)新一等獎。

 

1.      論文發(fā)表/項目經(jīng)歷

在國內(nèi)外期刊、會議中發(fā)表論文27篇，其中被SCI/EI收錄4篇

 

項目經(jīng)歷：

l  上海市城市信息化人工智能項目 項目負責人

ü  研發(fā)智能服務系統(tǒng)，包括：元宇宙與虛擬數(shù)字人、基于人工智能的內(nèi)容生成（AIGC）、基于NLP技術的對話系統(tǒng)、基于深度學習的圖像識別系統(tǒng)、基于智能推理的行業(yè)推薦系統(tǒng)。

相關工作：

作為項目總負責，負責項目管理、產(chǎn)品研發(fā)、系統(tǒng)分析、技術指導、算法指導等。

 

l  上海市城市智能信息化工程 總工程師

ü  采用大數(shù)據(jù)技術，建設市級信息平臺，完成試點單位接入并采集居民相關信息，實現(xiàn)市級平臺檔案等服務，并實現(xiàn)所有單位的全面接入。

ü  為解決超量數(shù)據(jù)的存儲與計算的問題，搭建了存儲全市數(shù)據(jù)的云計算平臺，并在其上進行了基于大數(shù)據(jù)的分析和挖掘工作。

相關工作：

作為總工程師，負責技術管理、系統(tǒng)分析、云平臺數(shù)據(jù)存儲設計、數(shù)據(jù)分析與挖掘指導、開發(fā)指導。

 

l  上海市城市信息化領域智能聯(lián)網(wǎng)工程 技術經(jīng)理

ü  建設內(nèi)容包括：接入單位的聯(lián)網(wǎng)；智能卡的實現(xiàn)；城市信息化智能平臺的升級；科研平臺的擴展與升級；建立決策支持系統(tǒng)；評估體系的展示設計；短信平臺的實現(xiàn)；違規(guī)操作的提醒；協(xié)同智能服務平臺的實現(xiàn)等。

相關工作：

作為技術經(jīng)理負責總體架構設計、接口設計、大數(shù)據(jù)平臺設計、AI技術指導等。

 

 

3. 主攻方向

具有扎實的數(shù)據(jù)挖掘、機器學習、深度學習等人工智能理論基礎；了解AIGC等技術前沿動態(tài)。

精通機器學習、深度學習的理論、模型、算法、調(diào)優(yōu)等；精通算法設計；

熟悉深度學習在自然語言處理、計算機視覺兩大核心領域的實用技巧；

15年以上的程序開發(fā)經(jīng)驗，熟悉常用程序開發(fā)架構，獨立完成多個產(chǎn)品級軟件的設計與開發(fā)。

 

• 人工智能機器學習算法在項目中的實戰(zhàn)

   

  一．介紹機器學習，什么是機器學習a) 簡單介紹機器學習，數(shù)據(jù)挖掘b) 機器學習和數(shù)據(jù)挖掘的基本概念和原理c) 機器學習用來解決什么問題機器學習的應用場景1) 機器學習應用場景之一------分類以及分類的應用場景a) 分類概念b) 分類的應用c) 分類和聚類、推薦的區(qū)別d) 分類工作原理e) 分類中概念術語..

  ￥   元/ 天

  人氣：1095  

  

• 機器學習閉環(huán)系統(tǒng)設計方法

   

  第一章. 機器學習和深度學習系統(tǒng)設計方法論a)機器學習和深度學習的概念和區(qū)別b)人工智能算法工程師的日常工作流程c)傳統(tǒng)機器學習的系統(tǒng)設計方法d)人工智能時代深度學習的系統(tǒng)設計方法第二章.機器學習和深度學習人工智能的常見開發(fā)流程a)洞悉公司業(yè)務業(yè)務邏輯痛點，抽象出計算機解決方法方案b)數(shù)據(jù)清洗和預處理c)構建數(shù)據(jù)集，數(shù)..

  ￥   元/ 天

  人氣：1038  

  

• 人工智能機器學習與深度學習實戰(zhàn)案例及應用

   

  章節(jié) 內(nèi) 容 第一節(jié) ..

  ￥   元/ 天

  人氣：997