關于“Python人工智能與機器學習核心技術應用”培訓通知

劉浩楠

2019年8月6日 17:29

關于“Python人工智能與機器學習核心技術應用”培訓通知

各企事業單位、高等院校及科研院所：

隨著時代的變遷、科技的發展。近幾年科研技術發展成果如“Python人工智能、數據挖掘、智能機器、大數據、云計算、深度學習”等各個領域的技術的實現成果迅速成為學生、技術學者以及科研技術工作人員的就業方向普遍發展全國各地。

Python 是一門有條理的和強大的面向對象的程序設計語言， Python又是人工智能、機器學習、數據挖掘、深度學習等新技術的實現手段。Python受到了學術界和工業界的高度關注。目前，騰訊、谷歌、Facebook、百度、阿里等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Python智能機器與深度學習進行科學技術成果轉化，推動了Python人工智能在各行業的應用與發展。

特此為廣大學者搭建一期｛Python核心技術與智能機器深度學習｝實操課程。

課程本著 “長期”“實學”“實用”“后期技術咨詢”等多項學習宗旨。

一、培訓目標：

1. 了解人工智能的概念和Python的發展、國際人工智能的主要流派和路線、國內人工智能研究的基本情況，熟悉人工智能的研究領域.

2. 詳細地論述知識表示的各種主要方法及人工智能的主要應用領域，如專家系統、機器學習、規劃系統、自然語言理解和智能控制等.讓學員盡快掌握python語言的基本結構與語法與數據類型，模塊、基本用法，熟悉函數，類設計，包的使用及基本的編程方法；

3.理解python數據挖掘與分析技術在當代各種大數據相關產品中的應用，并掌握該領域最關鍵技術的原理以及技術應用過程；

4.能開發一些實際的應用項目并勝任python的數據挖掘和機器學習工作;

5.通過緊密結合應用實例，針對工作中存在的疑難問題進行分析講解和專題討論，同時提升其從數據角度去思考的能力，進而有效提升學員解決科研及教學實際問題的能力

二、培訓專家

資深專家Python 人工智能、機器學習、深度學習領域一線專家。在主要國際會議和期刊上發表學術論文十多篇。先后主持和參與國家項目六項，包括國家自然基金、國家863項目。主持校企合作項目十多項。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。

三、培訓對象

全國各省市、自治區從事人工智能、大數據、物聯網、機器學習、深度學習、工程計算、控制設計、醫療衛生、信號處理與通訊、圖像處理、信號檢測、金融建模設計、書籍分析、人臉識別、腦類智能、等領域相關的企事業單位技術骨干、科研院所研究人員和大專院校相關專業教學人員及在校研究生等相關人員，以及深度學習愛好者等相關人員

時間地點 （北京 . 高校）

2019年9月5日-2019年9月8日

（時間安排：一天報到三天授課）

時間	大章節	小章節
2019-09-06 9:00-11:30	一、python基礎學習	1.python基礎學習 2.科學計算包numpy使用學習 3.繪圖工具包matplotlib學習
2019-09-06 11:30-12:00	二、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
2019-09-06 14:00-15:00	三、回歸算法	1.一元線性回歸 2.代價函數 3.梯度下降法 4.sklearn一元線性回歸應用 5.多元線性回歸 6.sklearn多元線性回歸應用 7.非線性回歸案例：葡萄酒質量和時間的關系
2019-09-06 15:00-15:30	四、KNN分類算法	1.KNN分類算法介紹 2.KNN分類算法應用 3.KNN實現案例：鳶尾花分類
2019-09-06 15:30-16:00	五、決策樹算法	1.決策樹算法介紹 2.熵的定義 3.決策樹算法與應用實現案例：用戶購買行為預測
2019-09-06 16:00-16:30	六、集成算法與隨機森林	1.Bagging算法介紹 2.隨機森林建模方法 3.Adaboost算法介紹 4.stack算法介紹
2019-09-06 16:30-17:00	七、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
2019-09-07 9:00-9:30	八、支持向量機	1.SVM算法介紹案例：SVM完成人臉識別應用
2019-09-07 9:30-10:00	九、泰坦尼克號獲救預測案例	1.缺失值填 2.特征篩選 3.案例實戰
2019-09-07 10:00-12:00	十、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
2019-09-07 14:00-17:00	十一、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
2019-09-08 9:00-10:00	十二、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.CNN手寫數字案例
2019-09-08 10:00-11:00	十三、長短時記憶網絡LSTM應用	1.RNN循環神經網絡 2.長短時記憶網絡LSTM 3.LSTM應用案例
2019-09-08 11:00-12:00	十四、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
2019-09-08 13:00-14:30	十五、自然語言處理項目實戰	1.自然語言處理項目介紹 2.word2vec介紹 3.用CNN訓練一個新的文本分類模型 4.用LSTM訓練一個新的文本分類模型
2019-09-08 14:30-16:00	十六、目標檢測項目實戰	1.目標檢測項目簡介 2.R-CNN模型詳解 3.SPPNET模型詳解 4.Fast-RCNN模型詳解 5.Faster-RCNN模型詳解 6.Tensorflow實現Faster-RCNN目標檢測 7.測試目標檢測模型效果、目標檢測算法標簽標注