人工智能機器學習和深度學習機器學習和深度學

作者:万博体育3.0手机版发布时间:2020-06-10已浏览: 70次

【課程目標】1、深層次掌握人工智能理論,尋求人工智能研發的突破口,探知核心的秘密。2、理論應用于實際項目,万博体育3.0手机版不只是了解,更在于掌握。3、以實踐為導向,萃取案例精化,加深理論知識,提高研發能力。4、把握人工智能的新應用,理解人工智能領域發展趨勢。5、一個交流探討的高級別平臺。

【培訓要點】隨著國家在人工智能領域的戰略布局,人工智能已經應用于各個方面:專家系統、自動推理、圖像識別、模式識別、語音識別、自然語言理解、指紋識別、人臉識別、無人駕駛、推薦系統、社交網絡、計算機視覺、智能機器人等。但是,有沒有一種方法能迅速把握精髓,從而更快的進入人工智能的廣闊天地呢?本次培訓采用深入理論+淺出實踐,實戰進階加深相結合的模式,在理論上,精選最關鍵最重要的理論,為進一步獲取相關知識打下基礎。在實踐上,精選目前比較有啟發性的案例并進行加深,既幫助我們理解理論,更能幫助我們開闊思路,為研發相關領域的人工智能系統,提供一條思考脈絡。

【課程大綱】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人工智能的發展簡史1.4人工智能的現實案例舉例第二講最優分類面和支持向量機2.1什么是最優分類面2.2支持向量機的本質是什么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決策樹在醫療系統中的應用案例第四講深度學習之始:人工神經網絡4.1人工神經網絡的設計動機是什么4.2單個神經元的功能4.3人工神經網絡的優化以及誤差逆傳播(BP)算法4.4人工神經網絡中需要注意的問題4.5人工神經網絡在表情識別、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5.6權值衰減、Dropout以及新的網絡架構第六講卷積神經網絡6.1卷積以及卷積網絡的概念6.2為什么在使用卷積網絡6.3卷積網絡的結構設計6.4卷積網絡在圍棋中的應用6.5卷積神經網絡在圖像識別中的應用案例第七講循環神經網絡7.1為什么要使用循環神經網絡7.21-of-N編碼7.3循環神經網絡的介紹7.4長短期記憶網絡7.5長短期記憶網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監督學習中的新應用8.2強制學習中的新應用8.3非監督學習中的新應用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:實現與改進1,支持向量機實現車牌識別:案例實現與分析改進車牌數據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、改進及注意的問題實現車牌識別全流程自動化的關鍵改進2,決策樹實現銀行客戶貸款風險預測:案例實現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測試結果進行決策樹的優化決策樹中的剪枝實現隨機森林的實現及注意事項3,討論互動:學員提出問題并進行相互討論4,案例總結:萃取案例中的經驗并進行推廣應用第十二講深度學習項目進階加深:實現與改進1,卷積神經網絡實現人臉識別:案例實現與分析改進網絡搭建如何根據結果進行網絡結構調整(逐步講解與分析)如何根據結果進行參數調整(逐步講解與分析)最終的參數如何確定(不在是混亂嘗試,而是深層次理解參數的含義)2,卷積神經網絡實現手寫體識別:案例實現與分析改進網絡搭建(注意與人臉識別案例的對比)如何根據結果進行網絡結構調整(注意與人臉識別案例的對比)如何根據結果進行參數調整(注意與人臉識別案例的對比)最終的參數如何確定(注意與人臉識別案例的對比)3,循環神經網絡實現客戶評價分類:案例實現與分析改進網絡搭建如何根據結果進行網絡結構調整如何根據結果進行參數調整最終的參數如何確定4,討論互動:學員提出問題并進行相互討論5,案例總結:萃取案例中的經驗并進行推廣應用