 班级人数--热线:4008699035 手机:15921673576( 微信同号) |
| 增加互动环节，
保障培训效果，坚持小班授课，每个班级的人数限3到5人，超过限定人数,安排到下一期进行学习。 |
| 授课地点及时间 |
上课地点：【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)/深圳大学成教院 【北京分部】：北京中山学院/福鑫大楼 【南京分部】：金港大厦(和燕路) 【武汉分部】：佳源大厦（高新二路） 【成都分部】：领馆区1号（中和大道） 【广州分部】：广粮大厦 【西安分部】：协同大厦 【沈阳分部】：沈阳理工大学/六宅臻品 【郑州分部】：郑州大学/锦华大厦 【石家庄分部】：河北科技大学/瑞景大厦
开班时间(连续班/晚班/周末班）：2020年3月16日 |
| 课时 |
◆资深工程师授课
☆注重质量
☆边讲边练
☆若学员成绩达到合格及以上水平，将获得免费推荐工作的机会
★查看实验设备详情，请点击此处★ |
| 质量以及保障 |
☆
1、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、在课程结束之后,授课老师会留给学员手机和E-mail,免费提供半年的课程技术支持，以便保证培训后的继续消化；
☆3、合格的学员可享受免费推荐就业机会。
☆4、合格学员免费颁发相关工程师等资格证书，提升您的职业资质。 |
☆课程大纲☆ |
| |
第1部份：
00_为什么要学习数学
01_引言和学习方法
02_feature和label
03_什么是机器学习
04_数据采集方式
05_knn算法入门
06_knn算法python实现
07_代码流程回顾
08_抽取knn函数
09_实验演示验证结论
10_评估模型好坏的方法，训练集和测试集
11_生成测试和训练数据集
12_调参选取最优的k
13_增加数据的维度
14_numpy加载特殊数据
15_欧式距离
16_二维空间距离的计算
17_代码增加一个维度
18_数据归一化
19_knn的feature的选择
20_向量和向量的运算
21_概念总结
22_使用矩阵和向量实现knn
23_ 房价预测简单框架
24_数据的归一化和标准化
附1_如何学习数学
附：问题1
第2部份：
01_线性回归和Knn
02_线性回归解决什么问题
03_Excel进行线性回归
04_损失函数和最小均方差
05_excle来简单理解梯度下降
06_梯度下降的问题分析
07_求导简单入门
08_mse对b进行求导
09_Excel演示梯度下降&学习速率
10_偏导数分别求解m和b的导数
11_对m和b分别进行梯度下降
12_Python代码实现梯度下降
13_代码测试生成m和b
14_作业演示
附_作业讲解
第3部份：
01_高等数学入门
02_问题描述
03_简单理解矩阵运算的现实含义
04_矩阵的形状
05_矩阵的加法
06_手动计算矩阵的乘法
07_矩阵的乘法不满足交换律
08_用numpy进行矩阵的乘法运算
09_矩阵运算计算m和b的偏导数
10_numpy矩阵运算演示获取m和b的偏导
11_用矩阵运算重构线性回归代码
12_对比程序执行的时间
13_增加数据的维度
14_函数模型的评估和错误率的计算
15_矩阵可以理解为一个变化函数
16_bmp是如何描述图片的
17_位图和svg图的区别
18_矩阵运算变化图片的位置
19_矩阵运算旋转图形
20_矩阵的缩放处理
21_图形变换综合案例
22_机器学习浅谈
23_sigmod函数引入
24_逻辑回归的步骤
附：扩展作业
第4部份：
01_自然底数和sigmod函数
02_矩阵运算计算逻辑回归
03_逻辑回归简单实现
04_多分类问题
05_多分类的概率问题思考
06_多分类问题softmax公式
07_手写数字数据集
08_手写数字的识别原理
09_手写数字数据集的处理
10_手写数字的识别
11_手写数字bug处理
12_ai自动驾驶
13_神经网络的作用
14_多层神经网络演示
15_感知机
16_感知机数学原理
17_线性模型和非线性模型
18_交叉熵cross-entropy
19_概率简介 |
首页 课程表 在线聊 报名 讲师 品牌 QQ聊 活动 就业