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(guó)際在線指紋識(shí)別競(jìng)賽中獲得冠軍，在機(jī)器學(xué)習(xí)和模式識(shí)別領(lǐng)域期刊IEEE TPAMI等期刊發(fā)表多篇論文，擁有5個(gè)中國(guó)專利和1個(gè)美國(guó)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(shí)別領(lǐng)域的實(shí)戰(zhàn)派專家。

培訓(xùn)內(nèi)容：

第一講 人工智能簡(jiǎn)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(jiǎn)史

1.4 人工智能的現(xiàn)實(shí)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(shí)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(shí)別中的應(yīng)用案例

第三講 決策樹(shù)

31 什么是非數(shù)值特征

3.2 為什么要引入決策樹(shù)

3.3 如何設(shè)計(jì)決策樹(shù)

3.4 如何構(gòu)造隨機(jī)森林

3.5 決策樹(shù)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(jì)動(dòng)機(jī)是什么

4.2 單個(gè)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(wèn)題

4.5 人工神經(jīng)網(wǎng)絡(luò)在表情識(shí)別、流量預(yù)測(cè)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(xiàng)

5.1 深度學(xué)習(xí)中過(guò)學(xué)習(xí)問(wèn)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(wèn)題

5.5 如何選擇激勵(lì)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(jì)

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(shí)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(zhǎng)短期記憶網(wǎng)絡(luò)

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

第八講 人工智能未來(lái)展望

8.1 監(jiān)督學(xué)習(xí)中的新應(yīng)用

8.2 強(qiáng)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(shí)別

第十講 使用深度學(xué)習(xí)進(jìn)行手寫(xiě)體識(shí)別、人臉識(shí)別以及自然語(yǔ)言處理

第十一講 機(jī)器學(xué)習(xí)項(xiàng)目進(jìn)階加深：實(shí)現(xiàn)與改進(jìn)

    1，支持向量機(jī)實(shí)現(xiàn)車牌識(shí)別：案例實(shí)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(wèn)題

         特征提取及特征選擇

         單特征識(shí)別模型搭建

         特征融合實(shí)現(xiàn)、改進(jìn)及注意的問(wèn)題

         實(shí)現(xiàn)車牌識(shí)別全流程自動(dòng)化的關(guān)鍵改進(jìn)

    2，決策樹(shù)實(shí)現(xiàn)銀行客戶貸款風(fēng)險(xiǎn)預(yù)測(cè)：案例實(shí)現(xiàn)與分析改進(jìn)

         決策樹(shù)的模型搭建

         如何選擇決策樹(shù)的屬性以及深層次思考

         如何根據(jù)測(cè)試結(jié)果進(jìn)行決策樹(shù)的優(yōu)化

         決策樹(shù)中的剪枝實(shí)現(xiàn)

         隨機(jī)森林的實(shí)現(xiàn)及注意事項(xiàng)

    3，討論互動(dòng)：學(xué)員提出問(wèn)題并進(jìn)行相互討論

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

第十二講 深度學(xué)習(xí)項(xiàng)目進(jìn)階加深：實(shí)現(xiàn)與改進(jìn)

    1，卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)人臉識(shí)別：案例實(shí)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(shí)現(xiàn)手寫(xiě)體識(shí)別：案例實(shí)現(xiàn)與分析改進(jìn)

         網(wǎng)絡(luò)搭建（注意與人臉識(shí)別案例的對(duì)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(shí)別案例的對(duì)比）

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

         最終的參數(shù)如何確定（注意與人臉識(shí)別案例的對(duì)比）

    3，循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)客戶評(píng)價(jià)分類：案例實(shí)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(dòng)：學(xué)員提出問(wèn)題并進(jìn)行相互討論

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