课程介绍
本课程在实践方面，结合Python SK-learn、TensorFlow实现深度学习实践。 实现公共数据库数据⌒ 与算法结合，实现数据预处理、训练数据集与测试数据集切分、校验、验证等，实现人脸识别■程序案例、实现自然语▽言处理（NLP）
培训对象
数据分析数据挖掘相关人员、
对人工〗智能感兴趣的人员
对机器学习、深度学习感兴趣的学员
学员基础：
具备初步的IT基础知识
最好具备linux操作经验（不做强制性要求）
具备有python使用经验和应用经验
课程收益
通过理论与实践相结合的方式，使用python语言作为主线，贯穿机器学习算法、框架，深度学】习框架，人工智能，以实战出发，动手练习操作，现场问答，提升其行动学习能力
知识概要
大数据分析与机器学习、人工智能及深度学习、Pyhton程序♀与数据处理、公共数据库数据训练。
课程大纲
机器学习
一、大数据介绍
二、机器学习、人工智能及深度学习趋势介绍
三、深度学习、深度学习框架介绍
四、开发语言与深度学习
五、流行开发语言Python与机器学习渊源
六、环境搭建方法与开发环境搭建方法
七、机器学习环境搭建
案例研讨：大数据分析与机器学习、人工智能及深度学习
机器学习系统架构
一、Python核心编程技巧与技能提升
二、Python科学计算库应用
三、数据可视化与数据呈现
四、数据处理与数据清洗
五、实战一：数据处理实战
案例研讨：Pyhton程序与数据处理
机器学习
一、机器学习算介绍
二、算法与应用讲解
三、SK-learn机器学习库讲解
四、SK-learn机器学习与算法应用
五、数据、算法、框架应用
六、公用数据使用技巧
七、机器学习算法应用
八、案例：机器学〗习算法案例一
九、案例：模型建模案例分享二
案例研讨：算法学习、框架学习
案例练习：机器学习库与算法训练
机器学习数据库
一、机器学习数据准备＠
二、公共数据库使用与算法应用
三、数据标准化处理
数据准备、数据清洗、数据标准化、数据应用
案例训练：公共数据库数据训练
深度学习
一、深度学习与TensorFlow简介
二、TensorFlowOnSpark简介
三、卷积神经网络简介
四、TensorFlow实现卷积神经网络
五、循环神经网络简介
六、TensorFlow实现循环神经网络
七、TensorFlow深度学习实战
八、Tensorflow构建回归模型
九、Tensorflow深度学※习模型
案例研讨：大数据分析与深度学习关系？
深度学习与人工智能
一、Tensorflow打造RNN网络模型
二、Tensorflow项目实战验证识别
三、人工智∏能简介
四、人工智能趋势『及关键技术
五、openCV图像处理
六、案例：深度学习与人脸识别
七、案例：深度学习高级应用案例
案例研讨：结合业务深度学习应用场景设计，老师针对方案点评评比及后续建议
认证过程
无认证考试
开班信息
暂无开班信息