2019-06-04
“人工智能系列--机器学习与 深度学习实战班”的通知
人工智能核心技术为机器学习与深度学习,为促进高校教学工作的开展,加强国内各高等院校同行间的交流,培养国内的师资力量,将机器学习与深度学习的最新实训内容带入课堂,我单位定于八月上旬在北京举办“人工智能原理与技术应用实战班”,现将有关事项通知如下:
一、参加对象
各高等院校大数据相关学科、计算机、软件、信息管理、统计、电子商务、金融、工商管理、数理统计专业等科研、教学带头人,骨干教师、博士生、硕士生,各行业机器学习与深度学习技术的爱好者。
二、时间地点:可咨询:13932327338 微信同
2019年8月2-7日 北 京 (8月1日报道)
三、课程目标与特点
目标:
通过课程学习,可以理解机器学习的思维方式和关键技术;了解深度学习和机器学习在当前工业界的落地应用;能够根据数据分布选择合适的算法模型并书写代码,初步胜任使用Python进行数据挖掘、机器学习、深度学习等工作。
特点:
1、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。讲解机器学习和深度学习的模型理论和代码实践,梳理机器学习、深度学习、计算机视觉的技术框架,从根本上解决如何使用模型、优化模型的问题;每次课中,首先阐述算法理论和少量公式推导,然后使用真实数据做数据挖掘、机器学习、深度学习的数据分析、特征选择、调参和结果比较。
2、课程重视代码实践,使用金融、气象、农业、交通、安防等工业界实际数据(数据已脱敏)进行机器学习模型的落地应用,
3、重视机器学习和深度学习的原理与实操;重视算法模型的同时,更强调实际问题中应该如何模型选择、特征选择和调参。
4、全栈式的数据科学及大数据人才培养体系,额外提供400G、90课时的python高级编程、机器学习、数据挖掘、可视化、网络爬虫与文本挖掘最新教学视频、课件PPT及教学案例,授课讲师通过微信交流平台提供技术咨询,协助学员开展教学科研工作。
四、主讲专家:
邹博,原中国科学院副研究员,天识科技公司首席科学家,诺辉投资公司人工智能总监,中科航天创新技术研究院副院长,多家知名公司担任技术顾问,机器学习与深度学习在线教育领域知名讲师,主讲机器与深度学习、BAT面试算法等多项课程,至今已培训逾万名学员(含高校教师四千余名),受邀到多家高校开展机器学习与数据挖掘技术专题培训。
五、培训内容:
第一节
Python与TensorFlow 解释器Python2.7/3.6与IDE:Anaconda/Pycharm
列表/元组/字典/类/文件
numpy/scipy/matplotlib/panda的介绍和典型使用
scikit-learn的介绍和典型使用
TensorFlow典型应用
典型图像处理
多种数学曲线
多项式拟合
快速傅里叶变换FFT
奇异值分解SVD
Soble/Prewitt/Laplacian算子与卷积网络 代码和案例实践:
卷积与(指数)移动平均线
股票数据分析
缺失数据的处理
环境数据异常检测和分析
第二节
回归分析
线性回归
Logistic/Softmax回归
广义线性回归
L1/L2正则化
Ridge与LASSO
Elastic Net
梯度下降算法:BGD与SGD
特征选择与过拟合
Softmax回归的概念源头
最大熵模型
K-L散度
代码和案例实践:
1.股票数据的特征提取和应用
2.泰坦尼克号乘客缺失数据处理和存活率预测
3.环境检测数据异常分析和预测
4.模糊数据查询和数据校正方法
5.PCA与鸢尾花数据分类
6.二手车数据特征选择与算法模型比较
7.广告投入与销售额回归分析
8.鸢尾花数据集的分类
9.TensorFlow实现线性回归
10.TensorFlow实现Logistic回归
第三节
决策树和随机森林
熵、联合熵、条件熵、KL散度、互信息
最大似然估计与最大熵模型
ID3、C4.5、CART详解
决策树的正则化
预剪枝和后剪枝
Bagging
随机森林
不平衡数据集的处理
利用随机森林做特征选择
使用随机森林计算样本相似度
异常值检测 代码和案例实践:
1.随机森林与特征选择
2.决策树应用于回归
3.多标记的决策树回归
4.决策树和随机森林的可视化
5.葡萄酒数据集的决策树/随机森林分类
6.泰坦尼克乘客存活率估计
第四节
SVM
线性可分支持向量机
软间隔
损失函数的理解
核函数的原理和选择
SMO算法
支持向量回归SVR
多分类SVM
代码和案例实践:
1.原始数据和特征提取
2.调用开源库函数完成SVM
4.葡萄酒数据分类
5.数字图像的手写体识别
5.MNIST手写体识别
6.SVR用于时间序列曲线预测
7.SVM、Logistic回归、随机森林三者的横向比较
第五节
卷积神经网络CNN
神经网络结构,滤波器,卷积
池化,激活函数,反向传播
目标分类与识别、目标检测与追踪
AlexNet、VGGNet、GoogleLeNet
Inception-V3/V4
ResNet、DenseNet 代码和案例实践:
数字图片分类
卷积核与特征提取
以图搜图
人证合一
卷积神经网络调参经验分享
第六节
图像视频的定位与识别 视频关键帧处理
物体检测与定位
RCNN
Fast-RCNN、Faster-RCNN
MaskRCNN、YOLO
FaceNet 代码和案例实践:
迁移学习
人脸检测
OCR字体定位和识别
睿客识云
气象识别
第七节
基于skimage/OpenCV的图像处理 kimage来源、简介与安装
将视频转换为图像序列
图像可视化与几何作图
HSV、RGB与图像颜色空间的转换
图像增强与(局部)直方图均衡化
给予边缘区域的图像分割
gamma矫正和对数矫正
亮度区域检测与前景提取
图像边缘检测/特征提取与图像算子 代码和案例实践:
不同算子下的图像卷积
图像边缘检测与提取
前景分割与图像融合
regional maxima检测与应用
第八节
图像与视频处理 Gabor/Laplace/Prewitt/Roberts
Scharr/Sobel/Niblack/Wiener
图像形态学:开/闭/凸包/膨胀/腐蚀
双边滤波器/小波降噪/wiener滤波
角点检:Harris,Shi-Tomasi
SIFT、SURF算法
视频分析:Meanshift 和 Camshift 算法 代码和案例实践:
HAAR/HOG/LBP等特征应用
视频前景背景分析与异物检测
图像形态学与海报生成的应用
光流跟踪与车辆跟踪
第九节
循环神经网络RNN RNN基本原理
LSTM、GRU
Attention
CNN+LSTM模型
Bi-LSTM双向循环神经网络结构
编码器与解码器结构
特征提取:word2vec
Seq2seq模型 代码和案例实践:
看图说话
视频理解
藏头诗生成
问答对话系统
OCR
循环神经网络调参经验分享
第十节
自然语言处理
语言模型Bi-Gram/Tri-Gram/N-Gram
词性标注
依存句法分析
语义关系抽取
词向量、文本分类
机器翻译、文本摘要
阅读理解、问答系统
情感分析
A3C、ELF 代码和案例实践:
输入法设计
HMM分词
文本摘要的生成
智能对话系统和SeqSeq模型
阅读理解的实现与Attention
第十一节
生成对抗网络GAN 生成与判别
生成模型:贝叶斯、HMM到深度生成模型
GAN对抗生成神经网络
DCGAN、Conditional GAN 代码和案例实践:
图片生成
看图说话
对抗生成神经网络调参经验分享
第十二节
强化学习RL
马尔科夫决策过程
贝尔曼方程、最优策略
策略迭代、值迭代
Q Learning
SarsaLamda
DQN
A3C
ELF 代码和案例实践:
OpenAI
飞翔的小鸟游戏
基于增强学习的游戏学习
DQN的实现
第十三节 交流研讨与培训考核(8月7日)
六、报名费用:
4980元/人(含报名费、培训费、教材费、资料费)食宿统一安排费用自理。
七、颁发证书:
可以获得:工业和信息化部颁发的证书。该证书可作为专业技术人员职业能力考核的证明,以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。注:请学员带2寸彩照1张(背面注明姓名)、身份证复印件一张。(考试及证书费用可选500元/人)