1. 课程背景
人工智能的浪潮正在席卷全球,这些得益于数据量的上涨、运算力的提升和机器学习新算法(深度学习)的出现。机器学习是一种实现人工智能的方法,深度学习是一种实现机器学习的重要技术之一,甚至有人认为“深度学习最终可能会淘汰掉其他所有机器学习算法”。
通过本课程的学习,学员能初步掌握机器学习、深度学习的重要概念及常用算法(决策树、关联规则、聚类、贝叶斯网络、神经网络、支持向量机、隐马尔科夫模型、遗传算法、CNN、RNN等),以及机器学习、深度学习领域当前的热点。
2. 授课对象
理工科本科专业,计算机相关专业或熟悉一门编程语言。
3. 课程大纲
1.1 第一天:初识机器学习
概述(第一天——1)
概念与术语(人工智能、数据挖掘、机器学习)
数据挖掘的对象
数据挖掘的关键技术
知识的表达
Python的安装
数据预处理(第一天——2)
数据清理
规范化
模糊集
粗糙集
无标签时:PCA
有标签时:Fisher线性判别
数据压缩(DFT、小波变换)
回归与时序分析 (第一天——3)
线性回归
非线性回归
logistics回归
平稳性、截尾与拖尾
ARIMA
决策树(第一天——4)
分类和预测
熵减过程与贪心法
ID3
5
其他改进方法
决策树剪枝
1.2 第二天:机器学习中的典型算法
聚类(第二天——1)
监督学习与无监督学习
K-means与k-medoids
层次的方法
基于密度的方法
基于网格的方法
孤立点分析
案例:鸢尾花数据的聚类
关联规则(第二天——2)
频繁项集
支持度与置信度
Apriori性质
连接与剪枝
关联规则的案例
案例:超市购物篮分析
朴素贝叶斯与KNN(第二天——3)
KNN
概率论基础:条件概率、联合概率、分布、共轭先验。
“概率派”与“贝叶斯派”
朴素贝叶斯模型
朴素贝叶斯案例:皮马印第安人患糖尿病风险预测
极大似然估计与EM算法(第二天——4)
极大似然估计
对数似然函数
案例:正态分析的参数估计
EM算法
EM算法应用案例:双正态分布的参数估计
性能评价指标(第二天——5)
准确率;精确率、召回率;F1
真阳性率、假阳性率
混淆矩阵
ROC与AUC
案例:绘制ROC并计算AUC、F1
对数损失
Kappa系数
回归:平均绝对误差、平均平方误差
案例:绘制拟合曲线,计算拟合优度
聚类:兰德指数、互信息
k折验证
1.3 第三天:神经网络专题
BP神经网络 (第三天——1)
人工神经元及感知机模型
前向神经网络
sigmoid
径向基函数神经网络
误差反向传播
案例1:可手算的神经网络
案例2:模拟一个圆锥曲面
模拟退火算法与其他神经网络 (第三天——2)
模拟退火算法
hopfield网络
自组织特征映射神经网络(SOM)
受限布尔兹曼机
案例1:“货郎担”问题(模拟退火算法)
案例2:识别破损的字母(hopfield网络)
案例3:聚类的另一种解法(SOM)
机器学习中的最优化方法(第三天——3)
参数学习方法
损失函数(或目标函数)
梯度下降
随机梯度下降
牛顿法
拟牛顿法
遗传算法 (第三天——4)
种群、适应性度量
交叉、选择、变异
基本算法
案例1:“同宿舍”问题
神经网络与遗传算法结合的案例:自动升级的“井字棋”
1.4 第四天:机器学习进阶
支持向量机 (第四天——1)
统计学习问题
支持向量机
核函数
多分类的支持向量机
用于连续值预测的支持向量机
SVM案例: iris的三个分类
隐马尔科夫模型(第四天——2)
马尔科夫过程
示例:天气与地表积水、罐中的彩球
隐马尔科夫模型
三个基本问题(评估、解码、学习)
前向-后向算法
Viterbi算法
Baum-Welch算法
文本挖掘(第四天——3)
文本分析功能
文本特征的提取
TF-IDF
文本分类
文本聚类
从LSA到LDA(第四天——3)
LSA
pLSA
LDA
1.5 第五天:机器学习进阶与深度学习初步
利用无标签的样本(第五天——1)
半监督学习
直推式学习
主动学习
集成学习(第五天——2)
bagging
co-training
adaboost
随机森林
GBDT
强化学习(第五天——3)
agent的属性
exploration and exploitation
Bellman期望方程
最优策略
策略迭代与价值迭代
Q学习算法
深度学习-1(第五天——4)
连接主义的兴衰
深度学习与神经网络的区别与联系
目标函数
激励函数
学习步长
1.6 第六天:深度学习
深度学习-2(第六天——1)
优化算法
Adagrad
RMSprop
Adam
避免过适应
深度学习-3(第六天——2)
典型应用场景
CNN
各种CNN
RNN
LSTM、GRU
深度学习-4(第六天——3)
GAN
DQN
教电脑玩“flappy bird”游戏
模型:卷积神经网络
算法:Deep Q Network
4. 老师简介
叶梓 计算机专业博士,高级工程师。现任某知名上市公司的资深技术专家。
-
2005年上海交通大学计算机专业博士毕业,主研方向为数据挖掘、机器学习、人工智能。毕业后进入某知名上市公司从事卫生行业的需求、技术相关工作。在卫生信息大数据应用、人工智能、卫生信息标准化等方面都有着丰富的经验。
-
先后在SCI或EI期刊(会议)上发表论文4篇,在中文核心期刊上发表论文近20篇。2011年获中国医院协会科技创新一等奖。
5. 课程安排
课程费用:5500
上课方式:现场面授
上课时间:4月14~29日(周六日共6天)
上课地址:上海徐汇凯旋路3580号(上海体育馆)
6. 报名优惠
课程原价5500元(包含课程教材费、6天课程学费)早报名多优惠!优惠截止时段和价格如下
7. 咨询方式:
QQ咨询:1796318148
微信客服:timjiang2016
加好友咨询课程和优惠,备注:上海班
8. 报名流程:
1.点击“阅读原文”报名
2.缴纳定金1000元
3.上课前补交尾款
9. 往期培训:
学员福利:
在AI时代,正确的学习姿势应该是:
每半年至少参加一次live活动或体验课程
每半年至少读一本数据科学或人工智能方面的书籍
每半年至少参加一次职业或生涯规划方面的讲座
您报名参加我们训令营课程,我们讲为您免费提供上述1+1+1套餐服务,让您在AI时代时刻掌握职场先机!
↓↓↓点击阅读原文立即报名
原文始发于微信公众号(PPV课数据科学社区):《机器学习与深度学习》-4月14日上海周末班
原创文章,作者:ppvke,如若转载,请注明出处:http://www.ppvke.com/archives/6858