       人工智能：機(jī)器學(xué)習(xí)和深度學(xué)習(xí)+機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之實(shí)戰(zhàn)進(jìn)階培訓(xùn)

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(fā)展簡史
1.4人工智能的現(xiàn)實(shí)案例舉例

第二講優(yōu)分類面和支持向量機(jī)
2.1什么是優(yōu)分類面
2.2支持向量機(jī)的本質(zhì)是什么
2.3支持向量機(jī)在線性不可分時(shí)怎么辦
2.4支持向量機(jī)中核函數(shù)如何選擇
2.5支持向量機(jī)在車牌識別中的應(yīng)用案例

第三講決策樹
31什么是非數(shù)值特征
3.2為什么要引入決策樹
3.3如何設(shè)計(jì)決策樹
3.4如何構(gòu)造隨機(jī)森林
3.5決策樹在醫(yī)療系統(tǒng)中的應(yīng)用案例

第四講深度學(xué)習(xí)之始：人工神經(jīng)網(wǎng)絡(luò)
4.1人工神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)動(dòng)機(jī)是什么
4.2單個(gè)神經(jīng)元的功能
4.3人工神經(jīng)網(wǎng)絡(luò)的優(yōu)化以及誤差逆?zhèn)鞑ィ˙P）算法
4.4人工神經(jīng)網(wǎng)絡(luò)中需要注意的問題
4.5人工神經(jīng)網(wǎng)絡(luò)在表情識別、流量預(yù)測中的應(yīng)用案例

第五講深度學(xué)習(xí)中的技巧和注意事項(xiàng)
5.1深度學(xué)習(xí)中過學(xué)習(xí)問題的處理
5.2如何選擇損失函數(shù)
5.3如何并行化
5.4如何解決深度學(xué)習(xí)中梯度消失問題
5.5如何選擇激勵(lì)函數(shù)
5.6權(quán)值衰減、Dropout以及新的網(wǎng)絡(luò)架構(gòu)

第六講卷積神經(jīng)網(wǎng)絡(luò)
6.1卷積以及卷積網(wǎng)絡(luò)的概念
6.2為什么在使用卷積網(wǎng)絡(luò)
6.3卷積網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)
6.4卷積網(wǎng)絡(luò)在圍棋中的應(yīng)用
6.5卷積神經(jīng)網(wǎng)絡(luò)在圖像識別中的應(yīng)用案例

第七講循環(huán)神經(jīng)網(wǎng)絡(luò)
7.1為什么要使用循環(huán)神經(jīng)網(wǎng)絡(luò)
7.21-of-N編碼
7.3循環(huán)神經(jīng)網(wǎng)絡(luò)的介紹
7.4長短期記憶網(wǎng)絡(luò)
7.5長短期記憶網(wǎng)絡(luò)在自然語言處理中的應(yīng)用案例

第八講人工智能未來展望
8.1監(jiān)督學(xué)習(xí)中的新應(yīng)用
8.2強(qiáng)制學(xué)習(xí)中的新應(yīng)用
8.3非監(jiān)督學(xué)習(xí)中的新應(yīng)用
8.4DeepMind介紹

第九講使用支持向量機(jī)進(jìn)行車牌識別
第十講使用深度學(xué)習(xí)進(jìn)行手寫體識別、人臉識別以及自然語言處理

第十一講機(jī)器學(xué)習(xí)項(xiàng)目進(jìn)階加深：實(shí)現(xiàn)與改進(jìn)
1，支持向量機(jī)實(shí)現(xiàn)車牌識別：案例實(shí)現(xiàn)與分析改進(jìn)
車牌數(shù)據(jù)預(yù)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(shí)現(xiàn)、改進(jìn)及注意的問題
實(shí)現(xiàn)車牌識別全流程自動(dòng)化的關(guān)鍵改進(jìn)
2，決策樹實(shí)現(xiàn)銀行客戶貸款風(fēng)險(xiǎn)預(yù)測：案例實(shí)現(xiàn)與分析改進(jìn)
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(jù)測試結(jié)果進(jìn)行決策樹的優(yōu)化
決策樹中的剪枝實(shí)現(xiàn)
隨機(jī)森林的實(shí)現(xiàn)及注意事項(xiàng)
3，討論互動(dòng)：學(xué)員提出問題并進(jìn)行相互討論
4，案例總結(jié)：萃取案例中的經(jīng)驗(yàn)并進(jìn)行推廣應(yīng)用

第十二講深度學(xué)習(xí)項(xiàng)目進(jìn)階加深：實(shí)現(xiàn)與改進(jìn)
1，卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)人臉識別：案例實(shí)現(xiàn)與分析改進(jìn)
網(wǎng)絡(luò)搭建
如何根據(jù)結(jié)果進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整（逐步講解與分析）
如何根據(jù)結(jié)果進(jìn)行參數(shù)調(diào)整（逐步講解與分析）
終的參數(shù)如何確定（不在是混亂嘗試，而是深層次理解參數(shù)的含義）
2，卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)手寫體識別：案例實(shí)現(xiàn)與分析改進(jìn)
網(wǎng)絡(luò)搭建（注意與人臉識別案例的對比）
如何根據(jù)結(jié)果進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整（注意與人臉識別案例的對比）
如何根據(jù)結(jié)果進(jìn)行參數(shù)調(diào)整（注意與人臉識別案例的對比）
終的參數(shù)如何確定（注意與人臉識別案例的對比）
3，循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)客戶評價(jià)分類：案例實(shí)現(xiàn)與分析改進(jìn)
網(wǎng)絡(luò)搭建
如何根據(jù)結(jié)果進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整
如何根據(jù)結(jié)果進(jìn)行參數(shù)調(diào)整
終的參數(shù)如何確定