我要報名

咨詢電話：
手　　機：	郵箱：

課程介紹

2016年Google開發的一款人工智能程序AlphaGo以4:1戰勝世界圍棋職業九段選手李世石，展現了人工智能異常強大的學習能力，機器學習的應用能力會成為一個爆發性需求的知識技能，也會是未來科技的至高點。

機器學習系統具有意義深遠且令人興奮的能力，就某種意義而言，機器學習技術在我們的生活中已經無所不在。要想進入機器學習的領域，并且對其具有充分的認知，就必須能夠理解和設計服務于某一項目需要的機器學習系統。

本課程首先介紹了人工智能和機器學習的背景和現狀，機器學習基本理論和主流的機器學習框架，介紹數據的采集導入、機器學習的邏輯模型（包括線性模型、神經網絡模型等）、對特征選擇和抽取、集成機器學習做了詳述，并對Python中眾多針對機器學習任務的程序包，包括NumPy、SciPy、Matplotlib和Scikit-learn等的使用進行講解，并將其應用于一些案例研究之中。

本培訓將人工智能和機器學習理論與Python應用實踐相結合，基于Python對機器學習目前的一些模型及基本方法，進行詳細解讀、并對其中主要的模型，提供Python樣例實戰講解。

培訓對象

1，系統架構師、系統分析師、高級程序員、資深開發人員。

2，牽涉到網絡采集、處理和規劃的負責人、設計人員。

3，政府機關，金融保險、移動等以互聯網信息為數據來源單位的負責人。

4，高校、科研院所牽涉到人工智能與機器學習的項目負責人。

培訓目標

1、全面了解人工智能和機器學習的相關知識。

2、學習Python中一些經典的機器學習模型。

3、深入使用Python在機器學習中的使用。

培訓內容

第1講 人工智能和機器學習

1人工智能簡介

2人工智能的發展歷程

3機器學習及相關技術

4國內外研究現狀

第2講 機器學習基礎

1分類和回歸

2聚類和降維

3線性規劃

4機器學習模型

5特征抽取

第3講 Python工具和技術

1 Python與機器學習

2 Python的安裝配置

3 NumPy和Matplotlib

4 Pandas和SciPy

5 Scikit-Learn

第4講 將數據變為信息

1 數據及其模型

2 數據來源

3 數據清洗

4 數據可視化

第5講 機器學習的模型

1 邏輯模型

2 PAC和計算復雜性

3 樹狀模型和純度

4 規則模型

第6講 線性模型分析

1 最小二乘法和梯度下降

2 logistic回歸

3 代價函數

4 多分類

5 正則化

第7講 神經網絡模型

1神經網絡基礎

2 logistic單元

3 代價函數最小化

4神經網絡的實現

5梯度檢驗

6其他神經網絡架構

第8講 特征類型和抽取

1特征的類型

2運算和統計

3結構化特征

4特征變換

5主成分分析

第9講 集成學習技術

1集成學習的類型

2 Bagging方法

3 隨機森林

4 Boosting方法

5 集成學習的策略

第10講 機器學習設計策略

1評價模型的表現

2模型的選擇

3學習曲線

4機器學習小結

楊老師

主要研究網絡信息分析、機器學習以及大數據相關技術，長期從事網絡信息處理、機器學習以及大數據分析系統的研究開發工作，主持和參與了多個國家和省部級基金項目，具有豐富的工程實踐及軟件研發經驗。

我要報名

在線報名：人工智能和機器學習(上海)