Python-機器學習、深度學習與計算機圖像處理技術實戰

培訓收益

課程中通過細致講解，使學員掌握該技術的本質。具體收益包括：

1、回歸算法理論與實戰；

2、決策樹算法理論與實戰；

3、集成學習算法理論與實戰；

4、KNN算法和決策樹算法理論與實戰；

5、聚類算法理論與實戰；

6、神經網絡算法；

7、Tensorflow；

8、生成式對抗網絡GANs。

課程大綱

第一章  機器學習與線性回歸算法 

線性回歸實現銷售數據預測 

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據 

4、數據升維與PCA降維 

5、數據歸一化與模型優化 

6、欠擬合與過擬合 

7、訓練結果的可視化 

8、保存模型與再加載 

第二章  邏輯回歸與決策樹實戰 

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 

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、數據分析、特征工程 

3、模型訓練與優化參數 

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 神經網絡 

深度學習與深度神經網絡實踐 

1、Tensorflow安裝 

2、Tensorlfow基礎知識 

3、Tensorflow線性回歸 

4、Tensorflow非線性回歸 

5、Mnist數據集合Softmax講解 

6、使用BP神經網絡搭建手寫數字識別 

7、交叉熵(cross-entropy)講解和使用 

8、過擬合,正則化,Dropout 

9、各種優化器Optimizer 

10、改進手寫數字識別網絡  

11、模型保存與載入  

第四章  深度學習之卷積神經網絡 

CIFAR圖形圖像識別項目

1、CIFAR項目需求介紹 

2、分析愛data_batch數據集 

3、CNN卷積神經網絡介紹 

4、卷積、深度、池化、步長、激活函數 

－采用CNN完成CIFAR物體分類 

1、人臉識別數據集與算法介紹 

2、模型結構設計 

3、人臉損失函數設計 

4、模型與參數調優 

第五章  Keras 神經網絡框架 

Keras理論介紹*實戰 

1、Keras神經網絡框架介紹 

2、基于Keras情感類分析 

3、動物分類器實現 

4、采用Keras實現非線性回歸 

5、生成式對抗神經網絡原理及應用 

6、模塊結構分析與優化策略 

7、采用Keras重構TensorFlow項目 

第六章  Open CV計算機視覺技術 

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、轉化工具與IE模塊加速 

4、準備人臉數據 

5、CV掃描圖像、平滑、擴張實現 

6、DNN神經網絡識別人臉 

7、測試與調優操作 

8、基于Open CV DNN 構建車輛與車牌檢查模型 

第七章  YOYO目標識別框架技術 

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

第八章  圖數據庫與構建知識圖譜

知識表示與建模 

1、知識圖譜核心技術：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、實體與關系、事件抽取技術 

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建 

1、知識存儲neo4j常用數據庫 

2、Cyhper語言介紹 

3、采用Py操作Neo4j數據庫 

4、基于知識圖譜問答機器人構建