人工智能和机器学习

人工智能和机器学习

我要报名

课程介绍

2016年Google开发的一款人工智能程序AlphaGo以4:1战胜世界围棋职业九段选手李世石，展现了人工智能异常强大的学习能力，机器学习的应用能力会成为一个爆发性需求的知识技能，也会是未来科技的至高点。

机器学习系统具有意义深远且令人兴奋的能力，就某种意义而言，机器学习技术在我们的生活中已经无所不在。要想进入机器学习的领域，并且对其具有充分的认知，就必须能够理解和设计服务于某一项目需要的机器学习系统。

本课程首先介绍了人工智能和机器学习的背景和现状，机器学习基本理论和主流的机器学习框架，介绍数据的采集导入、机器学习的逻辑模型（包括线性模型、神经网络模型等）、对特征选择和抽取、集成机器学习做了详述，并对Python中众多针对机器学习任务的程序包，包括NumPy、SciPy、Matplotlib和Scikit-learn等的使用进行讲解，并将其应用于一些案例研究之中。

本培训将人工智能和机器学习理论与Python应用实践相结合，基于Python对机器学习目前的一些模型及基本方法，进行详细解读、并对其中主要的模型，提供Python样例实战讲解。

培训对象

1，系统架构师、系统分析师、高级程序员、资深开发人员。

2，牵涉到网络采集、处理和规划的负责人、设计人员。

3，政府机关，金融保险、移动等以互联网信息为数据来源单位的负责人。

4，高校、科研院所牵涉到人工智能与机器学习的项目负责人。

培训目标

1、全面了解人工智能和机器学习的相关知识。

2、学习Python中一些经典的机器学习模型。

3、深入使用Python在机器学习中的使用。

培训内容

第1讲 人工智能和机器学习

1人工智能简介

2人工智能的发展历程

3机器学习及相关技术

4国内外研究现状

第2讲 机器学习基础

1分类和回归

2聚类和降维

3线性规划

4机器学习模型

5特征抽取

第3讲 Python工具和技术

1 Python与机器学习

2 Python的安装配置

3 NumPy和Matplotlib

4 Pandas和SciPy

5 Scikit-Learn

第4讲 将数据变为信息

1 数据及其模型

2 数据来源

3 数据清洗

4 数据可视化

第5讲 机器学习的模型

1 逻辑模型

2 PAC和计算复杂性

3 树状模型和纯度

4 规则模型

第6讲 线性模型分析

1 最小二乘法和梯度下降

2 logistic回归

3 代价函数

4 多分类

5 正则化

第7讲 神经网络模型

1神经网络基础

2 logistic单元

3 代价函数最小化

4神经网络的实现

5梯度检验

6其他神经网络架构

第8讲 特征类型和抽取

1特征的类型

2运算和统计

3结构化特征

4特征变换

5主成分分析

第9讲 集成学习技术

1集成学习的类型

2 Bagging方法

3 随机森林

4 Boosting方法

5 集成学习的策略

第10讲 机器学习设计策略

1评价模型的表现

2模型的选择

3学习曲线

4机器学习小结

杨老师

主要研究网络信息分析、机器学习以及大数据相关技术，长期从事网络信息处理、机器学习以及大数据分析系统的研究开发工作，主持和参与了多个国家和省部级基金项目，具有丰富的工程实践及软件研发经验。

我要报名

在线报名：人工智能和机器学习(上海)

其他城市研发管理培训