【培訓(xùn)對象】
計(jì)算機(jī)相關(guān)專業(yè)本科；或理工科本科，且至少熟悉一門編程語言。

【培訓(xùn)收益】
 掌握 Python 基本開發(fā)技能  掌握數(shù)據(jù)分析與機(jī)器學(xué)習(xí)基本知識(shí)；  掌握數(shù)據(jù)分析與機(jī)器學(xué)習(xí)進(jìn)階知識(shí)；  掌握深度學(xué)習(xí)的理論與實(shí)踐；  掌握深度學(xué)習(xí)工具：TensorFlow 等；  為學(xué)員的后續(xù)項(xiàng)目應(yīng)用提供針對性的建議。

【課程大綱】（培訓(xùn)內(nèi)容可根據(jù)客戶需求調(diào)整）
時(shí)間 內(nèi)容 案例實(shí)踐與練習(xí)
Day1 上午
實(shí)驗(yàn)環(huán)境搭建
數(shù)據(jù)預(yù)處理
實(shí)驗(yàn)環(huán)境搭建
1、 anaconda 包的安裝
2、pip install 的技巧
3、最簡版的 python 教程
4、通過 anaconda 配置多個(gè)環(huán)境
5、Jupyter Notebook 的使用
數(shù)據(jù)預(yù)處理
1、 歸一化
2、模糊集與粗糙集
3、無標(biāo)簽降維：PCA
4、分解降維：SVD
5、 數(shù)據(jù)壓縮：DFT、小波變換
案例實(shí)踐： 1、Anaconda（python）安裝
2、 Tensorflow 安裝
3、 繪圖工具包 matplotlib
4、 opencv 包的使用
Day1 下午
回歸與時(shí)序分析
決策樹
聚類
關(guān)聯(lián)規(guī)則
回歸與時(shí)序分析
1、 線性回歸
2、非線性回歸
3、logistics 回歸
4、平穩(wěn)性、截尾與拖尾
5、ARIMA
決策樹
1、 分類和預(yù)測
2、熵減過程與貪心法
3、ID3 與 C4.5
4、 其他改進(jìn)方法
5、 前置剪枝與后置剪枝
聚類
1、 監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)
2、K-means
3、k-medoids
4、基于層次、密度、網(wǎng)格的方法
5、手肘法確定合理的聚類個(gè)數(shù)
關(guān)聯(lián)規(guī)則
1、 頻繁項(xiàng)集
2、支持度、置信度與提升度
3、Apriori 性質(zhì)
4、連接與剪枝
案例實(shí)踐： 1、回歸的實(shí)驗(yàn)
2、 ARIMA 預(yù)測實(shí)驗(yàn)
3、 各種聚類的區(qū)別
4、 鳶尾花數(shù)據(jù)的決策樹分類
Day2 上午
性能評價(jià)指標(biāo)
從樸素貝葉斯到 EM
性能評價(jià)指標(biāo)
1、 混淆矩陣與精確率；
2、P、R 與 F1
3、ROC 與 AUC
4、對數(shù)損失
5、泛化性能評價(jià)：k 折驗(yàn)證驗(yàn)證
從樸素貝葉斯到 EM
1、 條件概率、聯(lián)合概率
2、“概率派”與“貝葉斯派”
3、樸素貝葉斯模型
4、極大似然估計(jì)
5、對數(shù)似然函數(shù)
6、EM 算法
案例實(shí)踐： 1、超市購物籃——關(guān)聯(lián)規(guī)則分析
2、 印第安人患糖尿病的風(fēng)險(xiǎn)
3、 繪制 ROC 并計(jì)算 AUC、F1
4、 雙正態(tài)分布的參數(shù)估計(jì)
5、 Kaggle：泰坦尼克號(hào)幸存者分析
Day2 下午
BP 神經(jīng)網(wǎng)絡(luò)
支持向量機(jī)
遺傳算法
BP 神經(jīng)網(wǎng)絡(luò)
1、 人工神經(jīng)元及感知機(jī)模型
2、前向神經(jīng)網(wǎng)絡(luò)
3、Sigmoid 與 tanh
4、梯度下降
5、誤差反向傳播
支持向量機(jī)
1、 “雙螺旋”問題
2、基本模型與懲罰項(xiàng)
3、求解對偶問題
4、核函數(shù)：映射到高維
5、從二分類到多分類
6、用于連續(xù)值預(yù)測的支持向量機(jī)
遺傳算法
1、 種群、適應(yīng)性度量
2、 交叉、選擇、變異
3、 基本算法
案例實(shí)踐： 1、可以手算的神經(jīng)網(wǎng)絡(luò)
2、 手推一個(gè) BPNN
3、 各種隨機(jī)梯度下降
案例實(shí)踐： 1、人臉識(shí)別：SVM
2、 “同宿舍”問題：遺傳算法
Day3 上午
隱馬爾科夫模型
條件隨機(jī)場
隱馬爾科夫模型
1、 馬爾科夫過程
2、隱馬爾科夫模型
3、三個(gè)基本問題（評估、解碼、學(xué)習(xí)）
4、前向-后向算法
5、Viterbi 算法
6、Baum-Welch 算法
條件隨機(jī)場
案例實(shí)踐： 1、擲骰子的序列（HMM 前向算法） 2、 我是不是病了？（viterbi 算法）
3、 實(shí)現(xiàn)圖像輪廓精細(xì)分割（CRF）
1、 最大熵原理
2、無向圖模型
3、MRF 與 CRF
4、定義在最大團(tuán)上的勢函數(shù)
5、線性鏈條件隨機(jī)場
Day3 下午
集成學(xué)習(xí)
強(qiáng)化學(xué)習(xí)
深度學(xué)習(xí)初步
集成學(xué)習(xí)
1、 bagging 系列
2、隨機(jī)森林
3、boosting 系列
4、Adaboost
5、GBDT 與 Xgboost
6、catboost 與 lightGBM
7、 stacking 系列
強(qiáng)化學(xué)習(xí)
1、 agent 的屬性
2、馬爾科夫獎(jiǎng)勵(lì)/決策過程
3、狀態(tài)行為值函數(shù)
4、exploration and exploitation
5、Bellman 期望方程
6、最優(yōu)策略
7、 策略迭代與價(jià)值迭代
8、蒙特卡洛法
9、時(shí)序差分法
深度學(xué)習(xí)初步
1、 連接主義的興衰史
2、深度學(xué)習(xí)與 NN 的區(qū)別與聯(lián)系
3、目標(biāo)函數(shù)與激勵(lì)函數(shù)改進(jìn)
4、梯度下降的改進(jìn)
5、用于分類的 CNN
6、目標(biāo)檢測
7、 RNN 與 LSTM
8、生成對抗網(wǎng)絡(luò)（GAN） 

 

葉梓，上海交通大學(xué)計(jì)算機(jī)專業(yè)博士畢業(yè)，高級工程師。主研方向：數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能。歷任國內(nèi)知名上市IT企業(yè)的AI技術(shù)總監(jiān)、資深技術(shù)專家，市級行業(yè)大數(shù)據(jù)平臺(tái)技術(shù)負(fù)責(zé)人。

 

長期負(fù)責(zé)城市信息化智能平臺(tái)的建設(shè)工作，開展行業(yè)數(shù)據(jù)的智能化應(yīng)用研發(fā)工作，牽頭多個(gè)省級、市級行業(yè)智能化信息系統(tǒng)的建設(shè)，主持設(shè)計(jì)并搭建多個(gè)省級、市級行業(yè)大數(shù)據(jù)平臺(tái)。參與國家級人工智能課題，牽頭上海市級人工智能示范應(yīng)用課題研究。

 

帶領(lǐng)團(tuán)隊(duì)在相關(guān)行業(yè)領(lǐng)域研發(fā)多款人工智能創(chuàng)新產(chǎn)品，成功落地多項(xiàng)大數(shù)據(jù)、人工智能前沿項(xiàng)目，其中信息化智能平臺(tái)項(xiàng)目曾榮獲：“上海市信息技術(shù)優(yōu)秀應(yīng)用成果獎(jiǎng)”。帶領(lǐng)團(tuán)隊(duì)在參加國際NLP算法大賽，獲得Top1%的成績。參與國家級、省級大數(shù)據(jù)技術(shù)標(biāo)準(zhǔn)的制定，曾獲省部級以上的科技創(chuàng)新一等獎(jiǎng)。

 

1.      論文發(fā)表/項(xiàng)目經(jīng)歷

在國內(nèi)外期刊、會(huì)議中發(fā)表論文27篇，其中被SCI/EI收錄4篇

 

項(xiàng)目經(jīng)歷：

l  上海市城市信息化人工智能項(xiàng)目 項(xiàng)目負(fù)責(zé)人

ü  研發(fā)智能服務(wù)系統(tǒng)，包括：元宇宙與虛擬數(shù)字人、基于人工智能的內(nèi)容生成（AIGC）、基于NLP技術(shù)的對話系統(tǒng)、基于深度學(xué)習(xí)的圖像識(shí)別系統(tǒng)、基于智能推理的行業(yè)推薦系統(tǒng)。

相關(guān)工作：

作為項(xiàng)目總負(fù)責(zé)，負(fù)責(zé)項(xiàng)目管理、產(chǎn)品研發(fā)、系統(tǒng)分析、技術(shù)指導(dǎo)、算法指導(dǎo)等。

 

l  上海市城市智能信息化工程 總工程師

ü  采用大數(shù)據(jù)技術(shù)，建設(shè)市級信息平臺(tái)，完成試點(diǎn)單位接入并采集居民相關(guān)信息，實(shí)現(xiàn)市級平臺(tái)檔案等服務(wù)，并實(shí)現(xiàn)所有單位的全面接入。

ü  為解決超量數(shù)據(jù)的存儲(chǔ)與計(jì)算的問題，搭建了存儲(chǔ)全市數(shù)據(jù)的云計(jì)算平臺(tái)，并在其上進(jìn)行了基于大數(shù)據(jù)的分析和挖掘工作。

相關(guān)工作：

作為總工程師，負(fù)責(zé)技術(shù)管理、系統(tǒng)分析、云平臺(tái)數(shù)據(jù)存儲(chǔ)設(shè)計(jì)、數(shù)據(jù)分析與挖掘指導(dǎo)、開發(fā)指導(dǎo)。

 

l  上海市城市信息化領(lǐng)域智能聯(lián)網(wǎng)工程 技術(shù)經(jīng)理

ü  建設(shè)內(nèi)容包括：接入單位的聯(lián)網(wǎng)；智能卡的實(shí)現(xiàn)；城市信息化智能平臺(tái)的升級；科研平臺(tái)的擴(kuò)展與升級；建立決策支持系統(tǒng)；評估體系的展示設(shè)計(jì)；短信平臺(tái)的實(shí)現(xiàn)；違規(guī)操作的提醒；協(xié)同智能服務(wù)平臺(tái)的實(shí)現(xiàn)等。

相關(guān)工作：

作為技術(shù)經(jīng)理負(fù)責(zé)總體架構(gòu)設(shè)計(jì)、接口設(shè)計(jì)、大數(shù)據(jù)平臺(tái)設(shè)計(jì)、AI技術(shù)指導(dǎo)等。

 

 

3. 主攻方向

具有扎實(shí)的數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能理論基礎(chǔ)；了解AIGC等技術(shù)前沿動(dòng)態(tài)。

精通機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的理論、模型、算法、調(diào)優(yōu)等；精通算法設(shè)計(jì)；

熟悉深度學(xué)習(xí)在自然語言處理、計(jì)算機(jī)視覺兩大核心領(lǐng)域的實(shí)用技巧；

15年以上的程序開發(fā)經(jīng)驗(yàn)，熟悉常用程序開發(fā)架構(gòu)，獨(dú)立完成多個(gè)產(chǎn)品級軟件的設(shè)計(jì)與開發(fā)。

 

• 人工智能機(jī)器學(xué)習(xí)算法在項(xiàng)目中的實(shí)戰(zhàn)

   

  一．介紹機(jī)器學(xué)習(xí)，什么是機(jī)器學(xué)習(xí)a) 簡單介紹機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘b) 機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的基本概念和原理c) 機(jī)器學(xué)習(xí)用來解決什么問題機(jī)器學(xué)習(xí)的應(yīng)用場景1) 機(jī)器學(xué)習(xí)應(yīng)用場景之一------分類以及分類的應(yīng)用場景a) 分類概念b) 分類的應(yīng)用c) 分類和聚類、推薦的區(qū)別d) 分類工作原理e) 分類中概念術(shù)語..

  ￥   元/ 天

  人氣：943  

  

• 機(jī)器學(xué)習(xí)閉環(huán)系統(tǒng)設(shè)計(jì)方法

   

  第一章. 機(jī)器學(xué)習(xí)和深度學(xué)習(xí)系統(tǒng)設(shè)計(jì)方法論a)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的概念和區(qū)別b)人工智能算法工程師的日常工作流程c)傳統(tǒng)機(jī)器學(xué)習(xí)的系統(tǒng)設(shè)計(jì)方法d)人工智能時(shí)代深度學(xué)習(xí)的系統(tǒng)設(shè)計(jì)方法第二章.機(jī)器學(xué)習(xí)和深度學(xué)習(xí)人工智能的常見開發(fā)流程a)洞悉公司業(yè)務(wù)業(yè)務(wù)邏輯痛點(diǎn)，抽象出計(jì)算機(jī)解決方法方案b)數(shù)據(jù)清洗和預(yù)處理c)構(gòu)建數(shù)據(jù)集，數(shù)..

  ￥   元/ 天

  人氣：913  

  

• 人工智能機(jī)器學(xué)習(xí)與深度學(xué)習(xí)實(shí)戰(zhàn)案例及應(yīng)用

   

  章節(jié) 內(nèi) 容 第一節(jié) ..

  ￥   元/ 天

  人氣：883