全国人工智能Python机器学习与深度学习培训班

2022年7月26日 316点热度 0人点赞 0条评论

注：本课程可提供发票，会议费、培训费、资料费、服务费等等，并且提供相关报销凭证。

各企事业单位、高等院校及科研院所：

Python已经成为最受欢迎的程序设计语言之一：根据TIOBE最新排名，Python已超越C#，与Java,C,C++一起成为全球前4大最流行语言。Python语言的简洁性、易读性以及可扩展性，其众多的扩展库所构成的开发环境十分适合工程技术、科研人员处理实验数据、制作图表，甚至开发科学计算应用程序。目前，微软、腾讯、谷歌、Facebook、百度、阿里巴巴等把深度学习作为未来工业和互联网发展的研究重心。中国科学院、清华大学、北京大学等高校和科研院所成立专业研究中心和实验室把深度学习进行科学技术成果转化，显著推动了深度学习应用的发展。

为进一步推动高等院校、科研院所及企事业单位在Python、人工智能、机器学习、深度学习应用和目前实际项目等研究工作的开展，与中科软研(北京)科学技术中心（http://www.fzby.org.cn/）特邀请在人工智能学术和研发领域一线专家共同举办全国人工智能Python机器学习与深度学习培训班。主打理论结合实践主题，课程强调动手操作；内容以代码落地为主，以理论讲解为根，以公式推导为辅。由中科软研(北京)科学技术中心主办、北京富卓佰扬科技有限公司承办。具体事宜如下：

1 培训优势

1、报名缴费后提前获取电子讲义及数据，可提前预习；

2、培训老师理论和工程经验丰富，我们会结合学员实际需求备课并补充相关内容；

3、培训结束后，培训老师留给学员手机和Email，提供技术支持，充分保证培训后出效果。

4、此课程可以定制内训（请老师到贵单位针对课题项目和关注的内容进行授课）

5、参加一次培训，以后本人可以终身免费参加相关现场及直播课程！（此课程可免费试听）

2 培训专家

中国科学院、清华大学等科研机构的高级专家。人工智能领域一线实战专家，熟练使用Python人工智能编程技术，关注深度学习领域各种开源项目，如TensorFlow，Caffe，Pytorc等。喜欢理论与实践相结合的教学风格，课程编排由浅入深，体系清晰完整。拥有2项专利，曾给学校、医院、企业、气象局等单位完成过多项人工智能相关项目。受邀为中国移动、中国电信、中国银行、华夏银行、太平洋保险、国家电网、中海油、格力电器等包括世界五百强在内的多家大型企业做人工智能技术企业内训。业内顶尖IT培训平台30万学员好评率99%；

3 培训时间

2022年08月26日—2022年08月28日

线上直播—北京现场同步授课3天

4 培训内容

一、人工智能介绍	1.人工智能/机器学习/神经网络/深度学习介绍 2.深度学习应用介绍 3.人工智能技术框架
二、python基础学习	1.print使用 2.运算符和变量 3.循环 4.列表元组字典 5.if条件 6.函数 7.模块 8.类的使用 9.input用法 10.文件读写 11.异常处理
三、科学计算包numpy使用学习	1.numpy的属性 2.创建array 3.numpy的运算 4.随机数生成以及矩阵的运算 5.numpy的索引 6.array合并 7.array分割
四、数据分析库pandas使用学习	1.Series,DataFrame 2.选择数据 3.赋值及操作 4.读取及写入文件 5.合并案例：处理丢失数据
五、绘图工具包matplotlib学习	1.基础用法 2.figure图像 3.设置坐标轴 4.legend图例 5.scatter散点图
六、python人脸检测项目实战	1.使用python实现人脸检测功能
七、人工智能与机器学习基础	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
八、回归算法	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
九、KNN分类算法	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
十、决策树算法	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
十一、支持向量机	1.什么时最优分类面 2.SVM算法本质是什么 3.支持向量机在线性不可分时怎么处理案例：SVM完成人脸识别应用
十二、K-means聚类算法	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

十三、集成算法与随机森林	1.Bagging算法介绍 2.随机森林建模方法 3.Adaboost算法介绍 4.Stacking算法介绍 5.Voting算法介绍
十四、特征工程应用案例	1.缺失值填 2.唯一值处理 3.过滤无用特征 4.处理多值有序特征 5.处理多值无序特征 6.特征数据缩放 7.PCA降纬 8.数据均衡模型训练和评估
十五、深度学习基础-神经网络介绍	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
十六、Tensorflow基础应用	1.Tensorflow安装 2.Tensorlfow基础知识 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(cross-entropy)讲解和使用 8.过拟合,正则化,Dropout 9.各种优化器Optimizer
十七、Pytorch介绍	1.Pytorch安装及基础知识 2.Pytorch搭建网络完成线性回归应用 3.Pytorch搭建网络完成非线性回归应用完成手写数字识别
十八、卷积神经网络CNN应用	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
十九、长短时记忆网络LSTM应用	1.RNN循环神经网络 2.长短时记忆网络LSTM 3.LSTM应用案例
二十、使用预训练模Inception-v3型进行图像识别	1.Inception-v3模型讲解 2.使用训练好的模型进行图像识别
二十一、图像识别模型VGG16项目实战（天气现象分类，场景分类）	1.VGG16模型讲解 2.数据增加 3.使用迁移学习完成天气现象分类 4.使用迁移学习完成场景分类
二十二、自然语言处理项目实战	1.自然语言处理项目介绍 2.word2vec介绍 3.用LSTM训练一个新的文本分类模型
二十三、目标检测算法介绍	1.目标检测项目简介 2.R-CNN模型详解 3.SPPNET模型详解 4.Fast-RCNN模型详解 5.Faster-RCNN模型详解
二十四、使用目标检测算法完成手势识别	1.数据准备和标注方法 2.Detecting模块介绍 3.手势识别模型训练 4.手势识别模型应用
二十五、光学字符识别OCR算法实战	1.使用OCR模型准确识别图片中的中英文文字，并提取出来。
二十六、人脸识别实战	1.人脸检测实战 2.人脸关键点提取实战案例：人脸识别实战
二十七、辅助课程	1.针对学员面对的实践问题展开讨论、方案建议 2.建立QQ群、微信群 3.配备机器学习和深度学习开发教材，便于课后逐步提高能力。 4.培训所学的算法和模型可以适用于通信/政府/医疗/农业/工业/金融/气象/军工等多个行业。