【1月16-18日 北京+線上】全國人工智能Python機器學習與深度學習實戰培訓班
各企事業單位、高等院校及科研院所：
Python已經成為最受歡迎的程序設計語言之一：根據TIOBE最新排名，Python已超越C#，與Java,C,C++一起成為全球前4大最流行語言。Python語言的簡潔性、易讀性以及可擴展性，其眾多的擴展庫所構成的開發環境十分適合工程技術、科研人員處理實驗數據、制作圖表，甚至開發科學計算應用程序。目前，微軟、騰訊、谷歌、Facebook、百度、阿里巴巴等把深度學習作為未來工業和互聯網發展的研究重心。中國科學院、清華大學、北京大學等高校和科研院所成立專業研究中心和實驗室把深度學習進行科學技術成果轉化，顯著推動了深度學習應用的發展。
為進一步推動高等院校、科研院所及企事業單位在Python、人工智能、機器學習、深度學習應用和目前實際項目等研究工作的開展，特邀請在人工智能學術和研發領域一線專家共同舉辦全國人工智能Python機器學習與深度學習培訓班。歡迎大家帶著實際問題參加，我們一定盡全力為您解決問題。主打理論結合實踐主題，課程強調動手操作；內容以代碼落地為主，以理論講解為根，以公式推導為輔。具體事宜如下：
一、培訓優勢
1、報名繳費后提前獲取電子講義、數據，可提前預習；
2、人工智能領域一線實戰專家主講，機器學習，深度學習領域多年開發研究經驗；
3、同步錄制培訓視頻，培訓結束后，可免費觀看，永久有效；
4、培訓結束后，培訓老師留給學員手機和Email，提供課后答疑，充分保證培訓后出效果。
5、此課程可以定制內訓（請老師到貴單位針對課題項目和關注的內容進行授課）
注：參加培訓，以后本人可以免費參加相同線上及線下課程，不限次數、學會為止！
二、培訓專家
中國科學院、清華大學等科研機構的高級專家。人工智能領域一線實戰專家，熟練使用Python人工智能編程技術，關注深度學習領域各種開源項目，如TensorFlow，Caffe，Torch等。喜歡理論與實踐相結合的教學風格，課程編排由淺入深，體系清晰完整。擁有2項專利，曾給學校、醫院、企業、氣象局等單位完成過多項人工智能相關項目。受邀為中國移動、中國電信、中國銀行、華夏銀行、太平洋保險、國家電網、中海油、格力電器等包括世界五百強在內的多家大型企業做人工智能技術企業內訓。業內頂尖IT培訓平臺30萬學員好評率99%。
三、培訓時間
2021年01月16-18日 線上：直播授課
2021年01月16-18日 線下：北京（15日全天報到）
（本次課程全程錄制視頻，可重復觀看）
四、培訓大綱
一、python基礎學習 |
1.print使用 2.運算符和變量 3.循環 4.列表元組字典 5.if條件 6.函數 7.模塊 8.類的使用 9.input用法 10.文件讀寫 11.異常處理 |
二、科學計算包numpy使用學習 |
1.numpy的屬性 2.創建array 3.numpy的運算 4:隨機數生成以及矩陣的運算 5.numpy的索引 6.array合并 7.array分割 |
三、繪圖工具包matplotlib學習 |
1.基礎用法 2.figure圖像 3.設置坐標軸 4.legend圖例 5.scatter散點圖 |
四、數據分析庫pandas使用學習 |
1.Series,DataFrame 2.選擇數據 3.賦值及操作 4.讀取及寫入文件 5.合并 案例：處理丟失數據 |
五、人工智能與機器學習基礎 |
1.人工智能概述 2.機器學習概述 3.機器學習算法應用分析 |
六、回歸算法 |
1.一元線性回歸 2.代價函數 3.梯度下降法 4.標準方程法 5.sklearn一元線性回歸應用 6.多元線性回歸 7.sklearn多元線性回歸應用 8.非線性回歸介紹 案例：葡萄酒質量和時間的關系 案例：波士頓房價預測項目 |
七、KNN分類算法 |
1.KNN分類算法介紹 2.KNN分類算法應用 3.KNN分類算法與應用實現 案例：鳶尾花分類 |
八、決策樹算法 |
1.決策樹-信息熵,ID3,C4.5算法介紹 2.sklearn實現決策樹 3.決策樹-CART算法 4.CART算法實踐 5.決策樹解決線性二分類問題 6.決策樹解決非線性二分類問題 案例：葉子分類項目 案例：銀行用戶購買行為預測 |
九、集成算法與隨機森林 |
1.Bagging介紹與使用 2.隨機森林介紹與使用 3.Adaboost介紹與使用 4.Stacking和Voting介紹與使用 案例：用戶流失分析 |
十、K-means聚類算法 |
1.K-means算法介紹 2.K-means算法應用 3.K-means算法實際應用案例 案例：NBA球隊實力聚類分析 |
十一、支持向量機 |
1.SVM算法介紹與原理推導 2.支持向量的作用 3.核函數的作用 4.建模方法 案例：SVM完成人臉識別應用 |
十二、特征工程項目 |
1.數據缺失處理 2.特征篩選方法 3.特征工程 4.算法選擇 5.結果評估 |
十三、深度學習基礎-神經網絡介紹 |
1.人工神經網絡發展史 2.單層感知器 3.激活函數，損失函數和梯度下降法 4.BP算法介紹 案例：BP算法解決手寫數字識別問題 |
十四、Tensorflow基礎應用
|
1.Tensorflow安裝 2.Tensorlfow基礎知識：圖，變量，fetch，feed 3.Tensorflow線性回歸 4.Tensorflow非線性回歸 5.Mnist數據集合Softmax講解 6.使用BP神經網絡搭建手寫數字識別 7.交叉熵(cross-entropy)講解和使用 8.過擬合,正則化,Dropout 9.各種優化器Optimizer |
十五、卷積神經網絡CNN應用 |
1.CNN卷積神經網絡 2.卷積層、池化層（均值池化、最大池化） 3.深度殘差網絡講解 4.CNN實現MNIST數據集分類 5.CNN手寫數字案例 |
十六、長短時記憶網絡LSTM應用 |
1.RNN循環神經網絡 2.RNN應用案例（MNIST圖像分類） 3.長短時記憶網絡LSTM 4.LSTM應用案例（MNIST圖像分類） |
十七、Google圖像識別模型inception-v3項目實戰 |
1.使用訓練好的inception-v3完成圖像識別 2.用自己收集的數據訓練圖像識別模型 3.使用遷移學習完成圖像分類 |
十八、用自己的數據來訓練一個新的氣象識別模型/醫療影像分析模型 |
1.數據準備 2.數據增強 3.模型搭建 4.模型訓練 5.結果測試 |
十九、自然語言處理技術介紹 |
1. word2vec介紹 2.Transformer模型介紹 3.Self-Attention機制介紹 4.多頭注意力機制介紹 5..Bert模型介紹 |
二十、自然語言處理項目實戰 |
1.用CNN訓練一個新的文本分類模型 2.用LSTM訓練一個新的文本分類模型 3.用Bert訓練一個新的文本分類模型 |
二十一、目標檢測模型介紹 |
1.目標檢測項目介紹 2.R-CNN模型介紹 3.SPPNET模型介紹 4.Fast-RCNN模型介紹 5.Faster-RCNN模型介紹 |
二十二、目標檢測模型實戰 |
1.項目安裝配置環境 2.準備數據集 3.使用訓練好的目標檢測模型進行預測 4.用自己的數據訓練新的目標檢測模型 |
二十三、輔助課程 |
1.針對學員面對的實踐問題展開討論、方案建議 2.建立QQ群、微信群（課后免費技術指導） 3.配備機器學習和深度學習開發教材，便于課后逐步提高能力。 4.培訓所學的算法和模型可以適用于通信/政府/醫療/農業/工業/金融/氣象/軍工等多個行業。 |
五、培訓費用
A類：收費3900元/人（含培訓費、資料費、A類證書費、指導費、發 票費等）
B類：收費4500元/人（含培訓費、資料費、A類+B類證書費、指導費、發 票費等）
（提供正規增值稅發 票、報銷方便，如需開會議費發 票，可提供會議通知）
六、頒發證書
A類：可獲得：高級《人工智能應用工程師》結業證書，該證書可作為有關單位專業技術人員能力評價、從業人員加薪、晉升、考核和任職的重要依據。
B類：可獲得：中國管理科學研究院職業資格認證培訓中心頒發的高級《人工智能應用工程師》專業能力證書，納入中管院數據庫，全國通用可查，可以作為晉升、評級的有效憑證。
七、優惠政策
1、學生憑學生證優惠300元；
2、3人以上(含)團體報名每人可減少200元；
3、5人以上(含)團體報名，另外贈送一個名額；
4、以上優惠政策不能同時享受，只能享受其中一種。
注：參加培訓，以后本人可以免費參加相同線上及線下課程，不限次數、學會為止！
八、報名事項
1、點擊鏈接立即報名：http://jishulink.mikecrm.com/ntWc8YU
2、掃描下方二維碼，聯系客服報名
未盡事宜請掃描上方二維碼，或咨詢微信客服，微信號：jishulink222
工程師必備
- 項目客服
- 培訓客服
- 平臺客服
TOP
