地点：全国
培训背景
人工智能的浪潮正在席卷全球，各种培训课程应运而生，但真正能让学员系统、全面掌握知识点， 并且能学以致用的实战课程并不多见。本课程包含机器学习、深度学习的重要概念及常用算法 （决策树、关联规则、聚类、贝叶斯网络、神经网络、支持向量机、隐马尔科夫模型、遗传算法、CNN、RNN、GAN等）， 以及人工智能领域当前的热点。
培训对象
计算机相关专业专科本科在校生，或理工科本科，且至少熟悉一门编程语言；
Java 开发工程师、机器学习工程师、机器学习开发工程师、人工智能工程师、人工智能应用工程师；
培训收益
1、掌握数据挖掘与机器学习基本知识
2、掌握数据挖掘与机器学习进阶知识
3、掌握深度学习的理论与实践
4、掌握Python开发技能
5、掌握深度学习工具：TensorFlow、Keras等
6、为学员的后续项目应用提供针对性的建议
培训大纲
第一部分、初识机器学习
概念与术语 (人工智能、数据挖掘、机器学习)
数据挖掘的对象
数据挖掘的关键技术
知识的表达
Python的安装
数据预处理
回归与时序分析
决策树
第二部、分机器学习中的典型算法
聚类
关联规则
朴素贝叶斯与KNN
V极大似然估计与EM算法
性能评价指标
第三部分、神经网络专题
BP神经网络
模拟退火算法与其他神经网络
机器学习中的最优化方法
遗传算法
第四部分、机器学习进阶
支持向量机
隐马尔科夫模型
文本挖掘
V从LSA到LDA
第五部分、机器学习进阶与深度学习初步
利用无标签的样本
V集成学习
强化学习
深度学习-1
第六部分、深度学习
优化算法
避免过适应
典型应用场景
RNN、LSTM、 GRU
GAN、DQN
