• 咨詢熱線:15201176575

價格與服務

班型 價格 完整課程
內容
班主任監
督和管理
2年內容
更新服務
作業批改 線上系統
答疑
現場招聘會 就業輔導 1V1服務
視頻班 10980元 × × × × ×
線上輔導班 13980元

課程進度

同步更新尚學堂和百戰程序員線下課程核心內容,掌握本套課程具備挑戰50萬年薪的技能(薪資以北上廣深杭一線城市為準)。

嚴格到天的課程,班主任一對一監督學習情況。每天都是“干貨滿滿”,讓你學到High,七個月在家也能“脫胎換骨”。

注:線下課程的內容,請參考官方網站實時發布的內容。

第01周
快速實戰入門

1、人工智能課程設計理念
2、機器學習是擬人
3、有監督機器學習
4、無監督機器學習
5、人工智能應用

第02周
Python基礎語法

1、循環控制_切片操作
2、數據類型_集合操作
3、常用內建函數
4、函數式編程
5、類_對象_繼承

第03周
Python數據分析

1、Numpy數學計算模塊
2、Pandas數據分析模塊
3、Numpy使用技巧
4、Pandas使用技巧
5、Numpy和Pandas的綜合運用

第04周
Python數據繪圖

1、Python數據繪圖
2、通過可視化剖析機器學習算法損失函數
3、Matplotlib繪制餅圖、直方圖、盒圖
4、Matplotlib的畫風以及顏色設置
5、Seaborn面對單變量和多變量的圖像繪制

第05周
補充數學知識

1、導數及其應用
2、矩陣及其應用
3、矩陣分解與特征向量
4、概率論
5、統計初步

第06周
線性回歸算法

1、MSE均方誤差
2、最優化求解梯度下降法
3、歸一化
4、L1和L2正則
5、Lasso回歸和嶺回歸 6、實戰保險案例

第07周
邏輯回歸Softmax回歸

1、交叉熵損失函數
2、Softmax回歸
3、實戰音樂分類器
4、邏輯回歸的優化手段
5、最優化求解擬牛頓法

第08周
最優化求解擬牛頓法

1、最優化求解擬牛頓法
2、SVM硬間隔最優化求解
3、如何求解W和b模型參數
4、軟間隔和SVM核函數
5、最優化求解SMO算法流程

第09周
決策樹和分類評估指標

1、決策樹生成方式
2、決策樹實戰案例
3、隨機森林
4、隨機森林與數據處理技巧
5、隨機森林與數據處理技巧

第10周
Adaboost和GBDT

1、adaboost的數據權重
2、adaboost訓練流程和分類器權重
3、函數空間梯度下降
4、GBDT訓練流程
5、Xgboost中的目標函數和訓練流程

第11周
聚類

1、Kmeans聚類和Kmeans衍生的算法
2、聚類評估指標
3、層次聚類和密度聚類
4、譜聚類
5、聚類做圖片壓縮

第12周
降維

1、PCA算法
2、PCA算法實戰案例
3、SVD奇異值分解
4、LDA線性判別分析
5、流式學習三算法

第13周
最大熵和EM算法

1、從信息熵到互信息
2、最大熵和極大似然估計關系
3、EM過程
4、EM算法應用于高斯混合模型
5、高斯混合模型應用于聚類問題

第14周
貝葉斯網絡、隱馬和條件隨機場

1、貝葉斯定理和樸素貝葉斯
2、貝葉斯網絡構建和生成
3、馬爾科夫鏈和隱馬爾可夫模型
4、前向算法和后向算法、隱馬的學習和維特比算法
5、條件隨機場的學習
6、線性鏈條件隨機場

第15周
分布式Spark系統

1、詳解Spark和Hadoop集群概念
2、詳解MapReduce的Shuffle
3、RDD五大特性和Python操作pyspark模塊
4、RDD數據讀取和常用算子操作
5、Spark內核DAG優化剖析

第16周
分布式Spark和Hadoop集群搭建

1、實戰虛擬機克隆和無密鑰登陸
2、實戰HDFS文件系統搭建
3、實戰Yarn集群搭建和MR代碼運行集群中
4、實戰Spark程序運行在Standalone集群
5、實戰Spark程序運行在Yarn集群中

第17周
Spark機器學習模塊

1、SparkMLlib中邏輯回歸調優以及歸一化
2、SparkMLlib中聚類和決策樹、隨機森林
3、SparkMLlib實戰Stock股票預測
4、SparkML機器學習庫代碼實戰講解
5、SparkML實戰網頁分類

第18周
神經網絡算法及應用

1、神經元、激活函數和單層神經網絡
2、多層神經網絡和隱藏層
3、Sklearn神經網絡超參數講解和神經網絡可視化
4、實戰Sklearn多層感知機對手寫數字識別分類
5、實戰Sklearn多層感知機對水泥強度回歸預測

第19周
深度學習入門與實戰淺層模型

1、Tensorflow代碼流程和開發第一個程序
2、Tensorflow的GPU版本的安裝詳解
3、Tensorflow實戰線性回歸解析解方式求解
4、Tensorflow的反向自動求導詳解
5、Tensorflow實戰線性回歸梯度下降方式求解

第20周
深度學習深入實戰深層網絡模型

1、改進使用各種優化器求解和掌握各種優化器的區別
2、Softmax分類和邏輯回歸分類的本質區別
3、Tensorflow實戰Softmax多分類案例
4、Tensorflow實戰DNN深度全連接網絡
5、防止過擬合技術Dropout的技術點運用
6、Tensorflow中的可視化模塊Tensorboard

第21周
卷積神經網絡理解與基本操作

1、感受野和單通道卷積核的計算
2、卷積計算的步長和填充模式
3、卷積的好處和權值共享
4、實戰卷積的代碼操作
5、最大池化和平均池化
6、CNN卷積神經網絡架構

第22周
卷積神經網絡實戰

1、Tensorflow實戰CNN代碼分類MNIST數據集
2、數據增強的意義與如何做數據增強
3、Tensorflow實戰CNN代碼分類Cifar10數據集
4、Tensorflow實戰如何加入正則項防止過擬合
5、經典的Alexnet的8層網絡模型架構

第23周
Keras框架

1、Keras框架的安裝與初步使用
2、使用Keras構建圖像識別神經網絡分類器
3、SGD隨機梯度下降解決樣本不均衡問題
4、經典的神經網絡模型VGG16的優點
5、Keras框架利用經典VGG16模型來對MNIST進行分類預測
6、Keras框架利用經典VGG16模型來對MNIST進行分類預測

第24周
循環神經網絡和自編碼實戰

1、詳解RNN循環神經網絡和4種網絡拓撲
2、實戰Tensorflow使用RNN對MNIST數據集做分類
3、BasicRNNCell單元和長短時記憶單元LSTM
4、LSTM長短時記憶單元里面3個門操作和6個公式詳解、GRU單元和雙向RNN
5、AutoEncoder自編碼器、AutoEncoder自編碼器

第25周
項目實戰

1、圖片風格融合架構剖析
2、圖片風格融合代碼剖析
3、詞向量深度學習實戰(上)
4、詞向量深度學習實戰(下)

第26周
項目實戰

1、文本單詞數據預處理的4種方式
2、詞向量對特征工程的重要性以及詞向量算法拓撲
3、深度學習里面詞嵌入本質
4、實戰Keras情感分析項目利用CNN來做
5、實戰Keras情感分析項目利用RNN來做

第27周
項目實戰

1、用戶畫像項目特征工程
2、用戶畫像項目模型訓練和堆疊模型
3、深度學習用戶畫像項目架構剖析
4、深度學習用戶畫像項目代碼剖析

第28周
項目實戰

1、實戰python對唐詩數據預處理
2、實戰Tensorflow利用RNN對寫唐詩模型進行訓練
3、詳解Seq2Seq模型
4、實戰聊天機器人的數據預處理
5、實戰聊天機器人的模型訓練和模型使用

第29周
項目實戰

1、推薦系統架構和流程
2、實戰推薦系統海量數據預處理
3、實戰推薦系統模型的構建
4、實戰推薦系統模型的評估
5、實戰推薦系統利用Dubbo做成服務

第30周
項目實戰

1、圖像預處理的各種手段
2、目標檢測技術SS
3、目標檢測技術SPP
4、目標檢測技術FPN
5、人臉識別工程講解、人臉檢測項目代碼

第31周
項目實戰

1、SIFT特征點提取
2、Caffe和Caffe2框架
3、關鍵點檢測項目講解
4、關鍵點檢測項目代碼

技術學到手,前途不限量

從技術小白,到IT牛人,你也許只差一步選擇

我要報名 我要咨詢

在線咨詢

免費試學 課程介紹 小程序 立即購買 電話咨詢
15201176575

?2014-2018 百戰匯智(北京)科技有限公司 All Rights Reserved. 聯系電話:15201176575

北京市海淀區西三旗街道建材城西路中騰建華商務大廈東側二層

京ICP備14032124號-2; 鄂ICP備18005394號-1    

广东36选7几点开奖