 班级规模及环境--热线:4008699035 手机:15921673576( 微信同号) |
|
每期人数限3到5人。 |
| 上课时间和地点 |
开课地址：【上海】同济大学(沪西)/新城金郡商务楼(11号线白银路站)【深圳分部】：电影大厦(地铁一号线大剧院站) 【武汉分部】：佳源大厦【成都分部】：领馆区1号【沈阳分部】：沈阳理工大学【郑州分部】：锦华大厦【石家庄分部】：瑞景大厦【北京分部】：北京中山学院 【南京分部】：金港大厦
最新开班 (连续班 、周末班、晚班）：2020年3月16日 |
| 实验设备 |
☆资深工程师授课
☆注重质量
☆边讲边练
☆合格学员免费推荐工作
★实验设备请点击这儿查看★ |
| 质量保障 |
1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
2、培训结束后,授课老师留给学员联系方式,保障培训效果,免费提供课后技术支持。
3、培训合格学员可享受免费推荐就业机会。 |
课程大纲 |
| |
第1章支持向量机（SVM）
1-1支持向量机要解决的问题
1-2距离与数据定义
1-3目标函数
1-4目标函数求解
1-5SVM求解实例
1-6支持向量的作用
1-7软间隔问
1-8SVM核变换
第2章SVM调参实例
2-1Sklearn求解支持向量机
2-2SVM参数选择
第3章Kmeans聚类算法
3-1Kmeans算法概述
3-2Kmeans工作流程
3-3Kmeans迭代可视化展示
第4章DBSCAN聚类算法
4-1DBSCAN聚类算法概述
4-2DBSCAN工作流程
4-3DBSCAN可视化展示
4-4应用SMO算法求解支持向量机
第5章聚类实践
5-1多种聚类算法概述
5-2聚类算法Sklearn实战
第6章集成算法实例
6-1集成算法实例概述
6-2ROU与AUC指标
6-3基础模型
6-4集成实例
6-5stacking模型
6-6效果改进
第7章EM算法
7-1EM算法要解决的问题
7-2隐变量问题
7-3EM算法求解实例
7-4Jensen不等式
7-5GMM模型
第8章GMM聚类实践
8-1GMM实例
8-2GMM聚类
第9章神经网络
9-1神经网络-挑战与常规套路
9-2K近邻进行图像分类任务
9-3超参数与交叉验证
9-4线性分类
9-5损失函数
9-6正则化惩罚项
9-7Softmax分类器
9-8最优化形象解读
9-9最优化问题细节
9-10反向传播
9-11神经网络整体架构
9-12神经网络实例演示
9-13神经网络过拟合解决方案
第10章案例实战：神经网络CIFAR分类任务
10-1Cifar分类任务概述
10-2分模块构造神经网络
10-3训练神经网络完成分类任务
10-4感受神经网络的强大
第11章自然语言处理Word2Vec词向量模型
11-1自然语言处理与深度学习
11-2语言模型
11-3N-gram模型
11-4词向量
11-5神经网络模型
11-6Hierarchical Softmax
11-7CBOW模型实例
11-8CBOW求解目标
11-9梯度上升求解
11-10负采样模型
第12章Xgboost集成算法
12-1Xgboost算法概述
12-2Xgboost模型构造
12-3Xgboost建模衡量标准
12-4集成算法实例概述
12-5ROC与AUC指标
12-6基础模型
12-7集成实例
12-8stacking模型
12-9效果改进
|
首页 课程表 在线聊 报名 讲师 品牌 QQ聊 活动 就业