北京人工智能實戰(zhàn)進(jìn)階加深

師資：

司老師 清華大學(xué)博士，人工智能方面專家，在意大利舉辦的國際在線指紋識別競賽中獲得冠軍，在機(jī)器學(xué)習(xí)和模式識別領(lǐng)域期刊IEEE TPAMI等期刊發(fā)表多篇論文，擁有5個中國專利和1個美國專利，是人工智能、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)和圖像處理和模式識別領(lǐng)域的實戰(zhàn)派專家。

培訓(xùn)內(nèi)容：

第一講 人工智能簡介

1.1 什么是人工智能

1.2 為什么要人工智能

1.3 人工智能的發(fā)展簡史

1.4 人工智能的現(xiàn)實案例舉例

第二講 優(yōu)分類面和支持向量機(jī)

2.1 什么是優(yōu)分類面

2.2 支持向量機(jī)的本質(zhì)是什么

2.3 支持向量機(jī)在線性不可分時怎么辦

2.4 支持向量機(jī)中核函數(shù)如何選擇

2.5 支持向量機(jī)在車牌識別中的應(yīng)用案例

第三講 決策樹

31 什么是非數(shù)值特征

3.2 為什么要引入決策樹

3.3 如何設(shè)計決策樹

3.4 如何構(gòu)造隨機(jī)森林

3.5 決策樹在醫(yī)療系統(tǒng)中的應(yīng)用案例

第四講 深度學(xué)習(xí)之始：人工神經(jīng)網(wǎng)絡(luò)

4.1 人工神經(jīng)網(wǎng)絡(luò)的設(shè)計動機(jī)是什么

4.2 單個神經(jīng)元的功能

4.3 人工神經(jīng)網(wǎng)絡(luò)的優(yōu)化以及誤差逆?zhèn)鞑ィ˙P）算法

4.4 人工神經(jīng)網(wǎng)絡(luò)中需要注意的問題

4.5 人工神經(jīng)網(wǎng)絡(luò)在表情識別、流量預(yù)測中的應(yīng)用案例

第五講 深度學(xué)習(xí)中的技巧和注意事項

5.1 深度學(xué)習(xí)中過學(xué)習(xí)問題的處理

5.2 如何選擇損失函數(shù)

5.3 如何并行化

5.4 如何解決深度學(xué)習(xí)中梯度消失問題

5.5 如何選擇激勵函數(shù)

5.6 權(quán)值衰減、Dropout以及新的網(wǎng)絡(luò)架構(gòu)

第六講 卷積神經(jīng)網(wǎng)絡(luò)

6.1 卷積以及卷積網(wǎng)絡(luò)的概念

6.2 為什么在使用卷積網(wǎng)絡(luò)

6.3 卷積網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計

6.4 卷積網(wǎng)絡(luò)在圍棋中的應(yīng)用

6.5 卷積神經(jīng)網(wǎng)絡(luò)在圖像識別中的應(yīng)用案例

第七講 循環(huán)神經(jīng)網(wǎng)絡(luò)

7.1 為什么要使用循環(huán)神經(jīng)網(wǎng)絡(luò)

7.2 1-of-N編碼

7.3 循環(huán)神經(jīng)網(wǎng)絡(luò)的介紹

7.4 長短期記憶網(wǎng)絡(luò)

7.5 長短期記憶網(wǎng)絡(luò)在自然語言處理中的應(yīng)用案例

第八講 人工智能未來展望

8.1 監(jiān)督學(xué)習(xí)中的新應(yīng)用

8.2 強制學(xué)習(xí)中的新應(yīng)用

8.3 非監(jiān)督學(xué)習(xí)中的新應(yīng)用

8.4 DeepMind介紹

第九講 使用支持向量機(jī)進(jìn)行車牌識別

第十講 使用深度學(xué)習(xí)進(jìn)行手寫體識別、人臉識別以及自然語言處理

第十一講 機(jī)器學(xué)習(xí)項目進(jìn)階加深：實現(xiàn)與改進(jìn)

    1，支持向量機(jī)實現(xiàn)車牌識別：案例實現(xiàn)與分析改進(jìn)

         車牌數(shù)據(jù)預(yù)處理以及要注意的問題

         特征提取及特征選擇

         單特征識別模型搭建

         特征融合實現(xiàn)、改進(jìn)及注意的問題

         實現(xiàn)車牌識別全流程自動化的關(guān)鍵改進(jìn)

    2，決策樹實現(xiàn)銀行客戶貸款風(fēng)險預(yù)測：案例實現(xiàn)與分析改進(jìn)

         決策樹的模型搭建

         如何選擇決策樹的屬性以及深層次思考

         如何根據(jù)測試結(jié)果進(jìn)行決策樹的優(yōu)化

         決策樹中的剪枝實現(xiàn)

         隨機(jī)森林的實現(xiàn)及注意事項

    3，討論互動：學(xué)員提出問題并進(jìn)行相互討論

    4，案例總結(jié)：萃取案例中的經(jīng)驗并進(jìn)行推廣應(yīng)用

第十二講 深度學(xué)習(xí)項目進(jìn)階加深：實現(xiàn)與改進(jìn)

    1，卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)人臉識別：案例實現(xiàn)與分析改進(jìn)

      網(wǎng)絡(luò)搭建

         如何根據(jù)結(jié)果進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整（逐步講解與分析）

         如何根據(jù)結(jié)果進(jìn)行參數(shù)調(diào)整（逐步講解與分析）

         最終的參數(shù)如何確定（不在是混亂嘗試，而是深層次理解參數(shù)的含義）

    2，卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)手寫體識別：案例實現(xiàn)與分析改進(jìn)

         網(wǎng)絡(luò)搭建（注意與人臉識別案例的對比）

         如何根據(jù)結(jié)果進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整（注意與人臉識別案例的對比）

         如何根據(jù)結(jié)果進(jìn)行參數(shù)調(diào)整（注意與人臉識別案例的對比）

         最終的參數(shù)如何確定（注意與人臉識別案例的對比）

    3，循環(huán)神經(jīng)網(wǎng)絡(luò)實現(xiàn)客戶評價分類：案例實現(xiàn)與分析改進(jìn)

         網(wǎng)絡(luò)搭建

         如何根據(jù)結(jié)果進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整

         如何根據(jù)結(jié)果進(jìn)行參數(shù)調(diào)整

         最終的參數(shù)如何確定

    4，討論互動：學(xué)員提出問題并進(jìn)行相互討論

5，案例總結(jié)：萃取案例中的經(jīng)驗并進(jìn)行推廣應(yīng)用