 班級規(guī)模及環(huán)境--熱線:4008699035 手機:15921673576( 微信同號) |
|
每期人數(shù)限3到5人。 |
| 上課時間和地點 |
開課地址：【上海】同濟大學(滬西)/新城金郡商務樓(11號線白銀路站)【深圳分部】：電影大廈(地鐵一號線大劇院站) 【武漢分部】：佳源大廈【成都分部】：領館區(qū)1號【沈陽分部】：沈陽理工大學【鄭州分部】：錦華大廈【石家莊分部】：瑞景大廈【北京分部】：北京中山學院 【南京分部】：金港大廈
最新開班 (連續(xù)班 、周末班、晚班）：2020年3月16日 |
| 實驗設備 |
☆資深工程師授課
☆注重質(zhì)量
☆邊講邊練
☆合格學員免費推薦工作
★實驗設備請點擊這兒查看★ |
| 質(zhì)量保障 |
1、培訓過程中，如有部分內(nèi)容理解不透或消化不好，可免費在以后培訓班中重聽；
2、培訓結(jié)束后,授課老師留給學員聯(lián)系方式,保障培訓效果,免費提供課后技術支持。
3、培訓合格學員可享受免費推薦就業(yè)機會。 |
課程大綱 |
| |
第1章支持向量機（SVM）
1-1支持向量機要解決的問題
1-2距離與數(shù)據(jù)定義
1-3目標函數(shù)
1-4目標函數(shù)求解
1-5SVM求解實例
1-6支持向量的作用
1-7軟間隔問
1-8SVM核變換
第2章SVM調(diào)參實例
2-1Sklearn求解支持向量機
2-2SVM參數(shù)選擇
第3章Kmeans聚類算法
3-1Kmeans算法概述
3-2Kmeans工作流程
3-3Kmeans迭代可視化展示
第4章DBSCAN聚類算法
4-1DBSCAN聚類算法概述
4-2DBSCAN工作流程
4-3DBSCAN可視化展示
4-4應用SMO算法求解支持向量機
第5章聚類實踐
5-1多種聚類算法概述
5-2聚類算法Sklearn實戰(zhàn)
第6章集成算法實例
6-1集成算法實例概述
6-2ROU與AUC指標
6-3基礎模型
6-4集成實例
6-5stacking模型
6-6效果改進
第7章EM算法
7-1EM算法要解決的問題
7-2隱變量問題
7-3EM算法求解實例
7-4Jensen不等式
7-5GMM模型
第8章GMM聚類實踐
8-1GMM實例
8-2GMM聚類
第9章神經(jīng)網(wǎng)絡
9-1神經(jīng)網(wǎng)絡-挑戰(zhàn)與常規(guī)套路
9-2K近鄰進行圖像分類任務
9-3超參數(shù)與交叉驗證
9-4線性分類
9-5損失函數(shù)
9-6正則化懲罰項
9-7Softmax分類器
9-8最優(yōu)化形象解讀
9-9最優(yōu)化問題細節(jié)
9-10反向傳播
9-11神經(jīng)網(wǎng)絡整體架構
9-12神經(jīng)網(wǎng)絡實例演示
9-13神經(jīng)網(wǎng)絡過擬合解決方案
第10章案例實戰(zhàn)：神經(jīng)網(wǎng)絡CIFAR分類任務
10-1Cifar分類任務概述
10-2分模塊構造神經(jīng)網(wǎng)絡
10-3訓練神經(jīng)網(wǎng)絡完成分類任務
10-4感受神經(jīng)網(wǎng)絡的強大
第11章自然語言處理Word2Vec詞向量模型
11-1自然語言處理與深度學習
11-2語言模型
11-3N-gram模型
11-4詞向量
11-5神經(jīng)網(wǎng)絡模型
11-6Hierarchical Softmax
11-7CBOW模型實例
11-8CBOW求解目標
11-9梯度上升求解
11-10負采樣模型
第12章Xgboost集成算法
12-1Xgboost算法概述
12-2Xgboost模型構造
12-3Xgboost建模衡量標準
12-4集成算法實例概述
12-5ROC與AUC指標
12-6基礎模型
12-7集成實例
12-8stacking模型
12-9效果改進
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業(yè)