基于Python的机器学习与深度学习培训
课程目标:
本课程主要讲解等人工智能领域的机器学习和深度学习技术。通过本课程的学习,学员可以掌握主流的机器学习算法和深度学习算法。围绕图像领域的典型应用,开展图像分析和识别案例学习,使得学员可以掌握图像领域目前的主流算法。
课程大纲:
主题 | 内容 |
Python机器学习算法的环境搭建与技术优势
| 1、 Python3.6开发环境和主要安装包 2、 Python集成开发环境 3、 Python机器学习优势 4、 Python机器学习例程学习 |
机器学习主流算法1 | 1、SVM的原理与实现 2、基于SVM的字符识别方法 3、神经网络原理与实现 4、基于神经网络的人脸识别 |
机器学习主流算法2 | 1、决策树原理与实现 2、基于决策树原理的图像分类 3、随机森林原理与实现 4、基于随机森林原理的图像分类 |
深度学习Python开发平台 | 1、搭建Tensorflow深度学习平台 2、搭建Pytorch深度学习平台 3、搭建Keras深度学习平台 |
深度学习原理与实践 | 1、CNN模型的原理与应用 2、基于CNN模型的字符识别方法 3、基于CNN的图像分类与识别 |
深度学习模型优化方法 | 1、自定义深度神经网络结构 2、深度神经网络的优化方法 3、深度框架的损失函数 |
1、残差网络模型与部件结构网络 2、基于深度学习的行人识别案例 | |
深度学习算法的案例及应用2 | 1、FasterRCNN,SSD图像检测算法 2、基于深度学习的图像目标识别与定位 |