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權值衰減、Dropout以及新的網(wǎng)絡架構
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)絡的結構設計
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：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)結果進行網(wǎng)絡結構調(diào)整（逐步講解與分析）
如何根據(jù)結果進行參數(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)結果進行網(wǎng)絡結構調(diào)整（注意與人臉識別案例的對比）
如何根據(jù)結果進行參數(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)結果進行網(wǎng)絡結構調(diào)整
如何根據(jù)結果進行參數(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
