大会介绍

页头页尾-01.jpg







1简介-02.jpg


 

人工智能核心技术为机器学习与深度学习,为促进高校教学工作的开展,加强国内各高等院校同行间的交流,培养国内的师资力量,将机器学习与深度学习的最新实训内容带入课堂,我单位定于八月上旬在北京举办“人工智能原理与技术应用实战班”,现将有关事项通知如下:


2培训对象-02.jpg


各高等院校大数据相关学科、计算机、软件、信息管理、统计、电子商务、金融、工商管理、数理统计专业等科研、教学带头人,骨干教师、博士生、硕士生,各行业机器学习与深度学习技术的爱好者。


5时间地点-02.jpg

2019/08/02 - 2019/08/07


北京海淀 


 有疑问可咨询:13643136553或472355722@qq.com  

       



4培训方式-02.jpg



目标:

通过课程学习,可以理解机器学习的思维方式和关键技术;了解深度学习和机器学习在当前工业界的落地应用;能够根据数据分布选择合适的算法模型并书写代码,初步胜任使用Python进行数据挖掘、机器学习、深度学习等工作。

特点:

1、课程强调动手操作;内容以代码落地为主,以理论讲解为根,以公式推导为辅。讲解机器学习和深度学习的模型理论和代码实践,梳理机器学习、深度学习、计算机视觉的技术框架,从根本上解决如何使用模型、优化模型的问题;每次课中,首先阐述算法理论和少量公式推导,然后使用真实数据做数据挖掘、机器学习、深度学习的数据分析、特征选择、调参和结果比较。

2、课程重视代码实践,使用金融、气象、农业、交通、安防等工业界实际数据(数据已脱敏)进行机器学习模型的落地应用,

3、重视机器学习和深度学习的原理与实操;重视算法模型的同时,更强调实际问题中应该如何模型选择、特征选择和调参。

4、全栈式的数据科学及大数据人才培养体系,额外提供400G、90课时的python高级编程、机器学习、数据挖掘、可视化、网络爬虫与文本挖掘最新教学视频、课件PPT及教学案例,授课讲师通过微信交流平台提供技术咨询,协助学员开展教学科研工作。


3培训师资-02.jpg



邹博,原中国科学院副研究员,天识科技公司首席科学家,诺辉投资公司人工智能总监,中科航天创新技术研究院副院长,多家知名公司担任技术顾问,机器学习与深度学习在线教育领域知名讲师,主讲机器与深度学习、BAT面试算法等多项课程,至今已培训逾万名学员(含高校教师四千余名),受邀到多家高校开展机器学习与数据挖掘技术专题培训。



8培训内容-02.jpg





 

 

 

 

 

 

第一节

 

 

 

 

 

 

Python与TensorFlow

解释器Python2.7/3.6与IDE:Anaconda/Pycharm

列表/元组/字典/类/文件

numpy/scipy/matplotlib/panda的介绍和典型使用

scikit-learn的介绍和典型使用

TensorFlow典型应用

典型图像处理

多种数学曲线

多项式拟合

快速傅里叶变换FFT

奇异值分解SVD

Soble/Prewitt/Laplacian算子与卷积网络

代码和案例实践:

卷积与(指数)移动平均线

股票数据分析

缺失数据的处理

环境数据异常检测和分析

 

 

 

 

 

 

 

 

 

 

第二节

 

 

 

 

 

 

 

 

 

回归分析

 

 

线性回归

Logistic/Softmax回归

广义线性回归

L1/L2正则化

Ridge与LASSO

Elastic Net

梯度下降算法:BGD与SGD

特征选择与过拟合

Softmax回归的概念源头

最大熵模型

K-L散度

 

代码和案例实践:

1.股票数据的特征提取和应用

2.泰坦尼克号乘客缺失数据处理和存活率预测

3.环境检测数据异常分析和预测

4.模糊数据查询和数据校正方法

5.PCA与鸢尾花数据分类

6.二手车数据特征选择与算法模型比较

7.广告投入与销售额回归分析

8.鸢尾花数据集的分类

9.TensorFlow实现线性回归

10.TensorFlow实现Logistic回归

 

 

第三节

 

 

决策树和随机森林

 

熵、联合熵、条件熵、KL散度、互信息

最大似然估计与最大熵模型

ID3、C4.5、CART详解

决策树的正则化

预剪枝和后剪枝

Bagging

随机森林

不平衡数据集的处理

利用随机森林做特征选择

使用随机森林计算样本相似度

异常值检测

代码和案例实践:

1.随机森林与特征选择

2.决策树应用于回归

3.多标记的决策树回归

4.决策树和随机森林的可视化

5.葡萄酒数据集的决策树/随机森林分类

6.泰坦尼克乘客存活率估计

 

 

 

 

 

第四节

 

 

 

 

 

SVM

 

线性可分支持向量机

软间隔

损失函数的理解

核函数的原理和选择

SMO算法

支持向量回归SVR

多分类SVM

 

代码和案例实践:

1.原始数据和特征提取

2.调用开源库函数完成SVM

4.葡萄酒数据分类

5.数字图像的手写体识别

5.MNIST手写体识别

6.SVR用于时间序列曲线预测

7.SVM、Logistic回归、随机森林三者的横向比较

 

 

 

第五节

 

 

 

 

卷积神经网络CNN

 

神经网络结构,滤波器,卷积

池化,激活函数,反向传播

目标分类与识别、目标检测与追踪

AlexNet、VGGNet、GoogleLeNet

Inception-V3/V4

ResNet、DenseNet

代码和案例实践:

数字图片分类

卷积核与特征提取

以图搜图

人证合一

卷积神经网络调参经验分享

 

 

 

第六节

 

图像视频的定位与识别

视频关键帧处理

物体检测与定位

RCNN

Fast-RCNN、Faster-RCNN

MaskRCNN、YOLO

FaceNet

代码和案例实践:

迁移学习

人脸检测

OCR字体定位和识别

睿客识云

气象识别

 

 

 

 

第七节

 

基于skimage/OpenCV的图像处理

kimage来源、简介与安装

将视频转换为图像序列

图像可视化与几何作图

HSV、RGB与图像颜色空间的转换

图像增强与(局部)直方图均衡化

给予边缘区域的图像分割

gamma矫正和对数矫正

亮度区域检测与前景提取

图像边缘检测/特征提取与图像算子

代码和案例实践:

不同算子下的图像卷积

图像边缘检测与提取

前景分割与图像融合

regional maxima检测与应用

 

 

 

 

 

第八节

 

 

 

 

 

图像与视频处理

Gabor/Laplace/Prewitt/Roberts

Scharr/Sobel/Niblack/Wiener

图像形态学:开/闭/凸包/膨胀/腐蚀

双边滤波器/小波降噪/wiener滤波

角点检:Harris,Shi-Tomasi

SIFT、SURF算法

视频分析:Meanshift   和 Camshift 算法

代码和案例实践:

HAAR/HOG/LBP等特征应用

视频前景背景分析与异物检测

图像形态学与海报生成的应用

光流跟踪与车辆跟踪

 

 

 

 

第九节

 

 

 

 

循环神经网络RNN

RNN基本原理

LSTM、GRU

Attention

CNN+LSTM模型

Bi-LSTM双向循环神经网络结构

编码器与解码器结构

特征提取:word2vec

Seq2seq模型

代码和案例实践:

看图说话

视频理解

藏头诗生成

问答对话系统

OCR

循环神经网络调参经验分享

 

 

 

 

 

第十节

 

 

 

 

自然语言处理

 

语言模型Bi-Gram/Tri-Gram/N-Gram

词性标注

依存句法分析

语义关系抽取

词向量、文本分类

机器翻译、文本摘要

阅读理解、问答系统

情感分析

A3C、ELF

代码和案例实践:

输入法设计

HMM分词

文本摘要的生成

智能对话系统和SeqSeq模型

阅读理解的实现与Attention

 

 

第十一

生成对抗网络GAN

生成与判别

生成模型:贝叶斯、HMM到深度生成模型

GAN对抗生成神经网络

DCGAN、Conditional GAN

代码和案例实践:

图片生成

看图说话

对抗生成神经网络调参经验分享

 

 

第十二节

 

 

强化学习RL

 

马尔科夫决策过程

贝尔曼方程、最优策略

策略迭代、值迭代

Q Learning

SarsaLamda

DQN

A3C

ELF

代码和案例实践:

OpenAI

飞翔的小鸟游戏

基于增强学习的游戏学习

DQN的实现

 

第十三节

交流研讨与培训考核(8月7日)


  7时间费用-02.jpg



¥RMB:4980元/人(含报名费、培训费、教材费、资料费)食宿统一安排费用自理。



6时间证书-02.jpg




可以获得:工业和信息化部颁发的证书。该证书可作为专业技术人员职业能力考核的证明,以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。注:请学员带2寸彩照1张(背面注明姓名)、身份证复印件一张。(考试及证书费用可选500元/人)

5g底边-03.jpg


时间:08-02 09:00 - 08-07 17:00
地点:具体地点开班前一周通知

报名购票

主办方