培訓內(nèi)容：
第一講 人工智能簡介
1.1 什么是人工智能
1.2 為什么要人工智能
1.3 人工智能的發(fā)展簡史
1.4 人工智能的現(xiàn)實案例舉例
第二講 優(yōu)分類面和支持向量機
2.1 什么是優(yōu)分類面
2.2 支持向量機的本質(zhì)是什么
2.3 支持向量機在線性不可分時怎么辦
2.4 支持向量機中核函數(shù)如何選擇
2.5 支持向量機在車牌識別中的應用案例
第三講 決策樹
31 什么是非數(shù)值特征
3.2 為什么要引入決策樹
3.3 如何設計決策樹
3.4 如何構造隨機森林
3.5 決策樹在醫(yī)療系統(tǒng)中的應用案例
第四講 深度學習之始：人工神經(jīng)網(wǎng)絡
4.1 人工神經(jīng)網(wǎng)絡的設計動機是什么
4.2 單個神經(jīng)元的功能
4.3 人工神經(jīng)網(wǎng)絡的優(yōu)化以及誤差逆?zhèn)鞑ィ˙P）算法
4.4 人工神經(jīng)網(wǎng)絡中需要注意的問題
4.5 人工神經(jīng)網(wǎng)絡在表情識別、流量預測中的應用案例
第五講 深度學習中的技巧和注意事項
5.1 深度學習中過學習問題的處理
5.2 如何選擇損失函數(shù)
5.3 如何并行化
5.4 如何解決深度學習中梯度消失問題
5.5 如何選擇激勵函數(shù)
5.6 權值衰減、Dropout以及新的網(wǎng)絡架構
第六講 卷積神經(jīng)網(wǎng)絡
6.1 卷積以及卷積網(wǎng)絡的概念
6.2 為什么在使用卷積網(wǎng)絡
6.3 卷積網(wǎng)絡的結構設計
6.4 卷積網(wǎng)絡在圍棋中的應用
6.5 卷積神經(jīng)網(wǎng)絡在圖像識別中的應用案例
第七講 循環(huán)神經(jīng)網(wǎng)絡
7.1 為什么要使用循環(huán)神經(jīng)網(wǎng)絡
7.2 1-of-N編碼
7.3 循環(huán)神經(jīng)網(wǎng)絡的介紹
7.4 長短期記憶網(wǎng)絡
7.5 長短期記憶網(wǎng)絡在自然語言處理中的應用案例
第八講 人工智能未來展望
8.1 監(jiān)督學習中的新應用
8.2 強制學習中的新應用
8.3 非監(jiān)督學習中的新應用
8.4 DeepMind介紹
第九講 使用支持向量機進行車牌識別
第十講 使用深度學習進行手寫體識別、人臉識別以及自然語言處理
魯公網(wǎng)安備37061302000010號
在線客服
預約試聽