Python-機器學習、深度學習與計算機圖像處理技術(shù)實戰(zhàn)

培訓收益

課程中通過細致講解，使學員掌握該技術(shù)的本質(zhì)。具體收益包括：

1、回歸算法理論與實戰(zhàn)；

2、決策樹算法理論與實戰(zhàn)；

3、集成學習算法理論與實戰(zhàn)；

4、KNN算法和決策樹算法理論與實戰(zhàn)；

5、聚類算法理論與實戰(zhàn)；

6、神經(jīng)網(wǎng)絡算法；

7、Tensorflow；

8、生成式對抗網(wǎng)絡GANs。

課程大綱

第一章  機器學習與線性回歸算法 

線性回歸實現(xiàn)銷售數(shù)據(jù)預測 

1、線性回歸介紹與公式推導 

2、多變量線性歸回與梯度下降 

3、線性回歸預測銷售數(shù)據(jù) 

4、數(shù)據(jù)升維與PCA降維 

5、數(shù)據(jù)歸一化與模型優(yōu)化 

6、欠擬合與過擬合 

7、訓練結(jié)果的可視化 

8、保存模型與再加載 

第二章  邏輯回歸與決策樹實戰(zhàn) 

邏輯回歸之信用卡反欺詐預測

1、項目背景與需求分析 

2、特征工程之標準化 

3、基本預處理操作 

4、上采樣與下采樣 

5、混淆矩陣可視化函數(shù) 

6、模型的訓練與準確率,*率,召回率 

決策樹、集成學習識別銀行高風險貸款

1、信息增益與算法原理介紹 

2、數(shù)據(jù)分析、特征工程 

3、模型訓練與優(yōu)化參數(shù) 

4、隨機森林、正向激勵算法 

5、采用決策樹識別高風險貸款 

第三章  Tensorflow2.3 神經(jīng)網(wǎng)絡 

深度學習與深度神經(jīng)網(wǎng)絡實踐 

1、Tensorflow安裝 

2、Tensorlfow基礎(chǔ)知識 

3、Tensorflow線性回歸 

4、Tensorflow非線性回歸 

5、Mnist數(shù)據(jù)集合Softmax講解 

6、使用BP神經(jīng)網(wǎng)絡搭建手寫數(shù)字識別 

7、交叉熵(cross-entropy)講解和使用 

8、過擬合,正則化,Dropout 

9、各種優(yōu)化器Optimizer 

10、改進手寫數(shù)字識別網(wǎng)絡  

11、模型保存與載入  

第四章  深度學習之卷積神經(jīng)網(wǎng)絡 

CIFAR圖形圖像識別項目

1、CIFAR項目需求介紹 

2、分析愛data_batch數(shù)據(jù)集 

3、CNN卷積神經(jīng)網(wǎng)絡介紹 

4、卷積、深度、池化、步長、激活函數(shù) 

－采用CNN完成CIFAR物體分類 

1、人臉識別數(shù)據(jù)集與算法介紹 

2、模型結(jié)構(gòu)設計 

3、人臉損失函數(shù)設計 

4、模型與參數(shù)調(diào)優(yōu) 

第五章  Keras 神經(jīng)網(wǎng)絡框架 

Keras理論介紹*實戰(zhàn) 

1、Keras神經(jīng)網(wǎng)絡框架介紹 

2、基于Keras情感類分析 

3、動物分類器實現(xiàn) 

4、采用Keras實現(xiàn)非線性回歸 

5、生成式對抗神經(jīng)網(wǎng)絡原理及應用 

6、模塊結(jié)構(gòu)分析與優(yōu)化策略 

7、采用Keras重構(gòu)TensorFlow項目 

第六章  Open CV計算機視覺技術(shù) 

OpenCV的人臉識別 

1、OpenVI*框架介紹與安裝測試 

2、OpenCV DNN中使用IE模塊加速 

3、轉(zhuǎn)化工具與IE模塊加速 

4、準備人臉數(shù)據(jù) 

5、CV掃描圖像、平滑、擴張實現(xiàn) 

6、DNN神經(jīng)網(wǎng)絡識別人臉 

7、測試與調(diào)優(yōu)操作 

8、基于Open CV DNN 構(gòu)建車輛與車牌檢查模型 

第七章  YOYO目標識別框架技術(shù) 

YOYO目標識別框架介紹 

1、標檢測任務介紹 

2、RCNN/Fast-RCNN/Faster-RCNN算法介紹 

3、YOLO算法介紹 

4、目標分割任務介紹 

5、全卷積網(wǎng)絡 

6、雙線性上采樣 

7、特征金字塔 

8、Mask RCNN算法介紹 

9、目標分割項目實戰(zhàn)

第八章  圖數(shù)據(jù)庫與構(gòu)建知識圖譜

知識表示與建模 

1、知識圖譜核心技術(shù)：知識推理 

2、知識圖譜應用場景與抽取概述介紹 

3、本體知識推理與任務分類 

4、實體與關(guān)系、事件抽取技術(shù) 

5、采用TxtCnn、CRF完成知識抽取 

6、采用RNN、LSTM完成知識抽取

知識存儲與問答機器人構(gòu)建 

1、知識存儲neo4j常用數(shù)據(jù)庫 

2、Cyhper語言介紹 

3、采用Py操作Neo4j數(shù)據(jù)庫 

4、基于知識圖譜問答機器人構(gòu)建