
Python+機器學(xué)習(xí)與深度學(xué)習(xí)實戰(zhàn)培訓(xùn)
決策樹與集成學(xué)習(xí)
理論與實戰(zhàn)
1.sklearn實現(xiàn)決策樹
2.決策樹-CART算法
3.決策樹應(yīng)用
4.隨機深林
KNN與聚類
理論與實戰(zhàn)
5.sklearn實現(xiàn)knn算法完成iris數(shù)據(jù)集分類
6.k-means算法
7.DBSCAN算法
神經(jīng)網(wǎng)絡(luò)算法
1.神經(jīng)網(wǎng)絡(luò)基本原理
2.單層感知機
3.線性神經(jīng)網(wǎng)絡(luò)
4.激活函數(shù),損失函數(shù)和梯度下降法
5.線性神經(jīng)網(wǎng)絡(luò)異或問題
6.BP神經(jīng)網(wǎng)絡(luò)介紹
7.BP算法推導(dǎo)
8.BP神經(jīng)網(wǎng)絡(luò)解決異或問題
9.BP算法完成手寫數(shù)字識別
10.sklearn-BP神經(jīng)網(wǎng)絡(luò)解決手寫數(shù)字識別
11.GOOGLE神經(jīng)網(wǎng)絡(luò)平臺
Tensorflow2.0
1.深度學(xué)習(xí)框架介紹
2.Tensorflow安裝
3.Tensorlfow基礎(chǔ)知識
4.Tensorflow線性回歸
5.Tensorflow非線性回歸
6.Mnist數(shù)據(jù)集合Softmax講解
7.使用BP神經(jīng)網(wǎng)絡(luò)搭建手寫數(shù)字識別
8.交叉熵(cross-entropy)講解和使用
9.過擬合,正則化,Dropout
10.各種優(yōu)化器Optimizer
11.改進手寫數(shù)字識別網(wǎng)絡(luò)
12.卷積神經(jīng)網(wǎng)絡(luò)CNN的介紹
13.使用CNN解決手寫數(shù)字識別
14.長短時記憶網(wǎng)絡(luò)LSTM介紹
15.LSTM的使用
16.模型保存與載入
圖像識別項目
1.介紹Google圖像識別模型Inception-v3
2.使用Inception-v3做圖像識別
圖像識別項目
3.訓(xùn)練自己的圖像識別模型
驗證碼識別項目
4.多任務(wù)學(xué)習(xí)介紹
5.生存驗證碼圖片
6.構(gòu)建驗證碼識別模型
Kease佳實踐
1.安裝和配置Keras,API
2.回調(diào)函數(shù)與自定義訓(xùn)練過程
3.深度神經(jīng)網(wǎng)絡(luò)DCNN實現(xiàn)
4.采用深度學(xué)習(xí)算法識別CIFRA-10圖片
5.調(diào)節(jié)參數(shù)來改善性能