1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
        2、課程完成后,授課老師留給學員手機和Email,保障培訓效果,免費提供半年的技術支持。
        3、培訓合格學員可享受免費推薦就業機會。

人工智能、機器學習與實現框架 （python、tensorflow、keras）培訓大綱

人工智能初覽
1. 人工智能基本概念
2. 人工智能的核心技術
3. 人工智能的應用領域介紹
初探機器學習
1. 機器學習要解決的問題
2. 有監督無監督問題
3. 機器學習能做什么
4. 機器學習算法概覽
5. 機器學習應用案例分析
特征提取
預處理，歸一化
分類解決方案
聚類解決方案
機器學習實現與執行
結果分析
Python數據分析框架概覽
1. NumPy數據結構與處理
2. Pandas數據組織與計算
3. Matplotlib數據可視化
機器學習案例實戰與算法解析

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. 數據歸一化與模型優化
4. 線性回歸預測銷售數據
5. 保存模型，欠擬合與過擬合
樸素貝葉斯實現文檔分類
1. 概率基礎 (聯合概率、條件概率)
2. 貝葉斯定律、分類算法
3. 特征工程、TF-IDF與文檔分類
4. 多項分布與高斯分布
5. 貝葉斯算法根據文檔關鍵字實現分類
深度學習框架實踐Tensorflow
1、 深度學習與機器學習區別介紹
2、 環境搭建、第一個案例
3、 張量、變量、操作
4、 會話與優化器
5、 TensorFlow流程圖與可視化
6、 Tensorflow框架介紹
7、 TensorFlow和其他深度學習框架的對比
8、 Tensorflow 下載及安裝
9、 Tensorflow 架構
10、 實戰：Tensorflow 案例實踐
11、 某業務領域的的機器學習于分析
DNN深度神經網絡實現手寫體數字識別
1. 線性不可分問題
2. 隱藏層、輸出神經元介紹與實現
3. 激活函數介紹與不同激活函數區別
4. 自定義DNN優化手寫識別效率
5. 采用可視化圖片顯示識別結果
6. DNN優缺點與注意事項

CNN圖形圖像識別案例項目
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
5. 采用CNN完成CIFAR物體分類

使用 Keras 進行深度學習案例解析
1、 Keras 簡介
2、 Keras與TensorFlow比較
3、 Keras的模塊結構
4、 Keras 中的模型
5、 Keras 支持的對象概念
6、 Keras 中的數據處理
7、 使用Keras構建深度學習模型
8、 Keras案例實戰
動物分類器實現
采用Keras實現非線性回歸
生成式對抗神經網絡原理及應用
模塊結構分析與優化策略
深度學習總復習，和前沿文獻介紹