• 參會報名
  • 會議內容
  • 會議日程
  • 會議嘉賓
  • 參會指南

首頁 > 商務會議 > IT互聯網會議 > 【北京】人工智能,機器學習和深度學習(2019-11-26) 更新時間:2019-10-11T16:01:08

【北京】人工智能,機器學習和深度學習(2019-11-26)
收藏3人
分享到
課程認證

【北京】人工智能,機器學習和深度學習(2019-11-26)

會議時間:2019-11-26 09:00至 2019-11-27 18:00結束

會議地點: 北京  詳細地址會前通知  None 周邊酒店預訂

主辦單位: 火龍果軟件工程技術中心

發票類型:增值稅普通發票 增值稅專用發票

門票名稱單價截止時間數量
會務費 暫無說明 ¥5800.0 2019-11-25 17:00

會議內容

會議介紹 主辦方介紹


【北京】人工智能,機器學習和深度學習(2019-11-26)

【北京】人工智能,機器學習和深度學習(2019-11-26)宣傳圖


時間地點:

北京 11月26-27日;

上海 12月12-13日;

深圳根據報名開班

?

認證方式:
培訓前了解能力模型。
培訓后進行能力評測:

  • 在線考試
  • 能力分析,給出學習建議
  • 合格者頒發證書,作為職業技能資格證明

課程首先講解人工智能總體介紹,然后分別詳細講解機器學習深度學習,并結合人工智能實例講解如何運用人工智能解決實際問題

培訓目標:

  • 初探機器學習
  • 機器學習基礎算法
  • 機器學習進階算法
  • 機器學習實戰項目
  • 深度學習基礎
  • 深度學習進階 神經網絡
  • 深度學習核心 卷積神經網絡
  • 深度學習網絡架構
  • 機器學習平臺TensorFlow詳解
  • 機器學習項目全周期實戰

培訓對象:

算法工程師,分析工程師,人工智能系統開發工程師

學員基礎:了解人工智能基本概念

授課方式: 定制課程 + 案例講解 + 小組討論,60%案例講解,40%實踐演練

培訓內容:2天

主題 課程安排
人工智能初覽 人工智能基本概念
人工智能的核心技術
人工智能的應用領域介紹
  • 自然語言處理
  • 計算機視覺和圖像識別
  • 人臉識別項目
  • 數據挖掘算法
第一階段 初探機器學習 1. 機器學習要解決的問題
2. 有監督無監督問題
3. 機器學習能做什么
4. 感知器-線性分類
5. 線性回歸原理,推導
6. 實例:預測泰坦尼克船員能否獲救
7. K近鄰算法原理
8. K近鄰算法代碼實現
9. 實例:使用K近鄰算法測試約會對象
第二階段 機器學習基礎算法 1. 邏輯回歸算法原理,推導
2. 邏輯回歸代碼實現
3. 多分類問題解決方案
4. 一對一分類,一對多分類
5. 決策樹算法模型
6. 熵原理,信息增益
7. 決策樹構建
8. 決策樹代碼實現
9. 貝葉斯算法原理
10. 貝葉斯代碼實現
11. 實例1:使用貝葉斯分類器打造拼寫檢查器
12. 實例2:垃圾郵件分類任務

?

第三階段 機器學習進階算法 1. Adaboosting算法原理
2. Boosting機制,優勢分析
3. 自適應增強算法代碼實現
4. 實例:使用集成算法改進泰坦尼克號預測
5. 線性支持向量機算法原理推導
6. 支持向量機核變換推導
7. SMO求解支持向量機
8. SMO算法代碼實現
9. 隨機森林算法原理
10. 使用隨機森林衡量選擇特征標準
11. 實例:使用隨機森林改進泰坦尼克獲救預測
12. 聚類算法綜述
13. K-MEANS與DBSCAN算法講解
第四階段 機器學習實戰項目 1. HTTP日志流量數據分析
2. 特征提取
3. 預處理,歸一化
4. 分類解決方案
5. 聚類解決方案
6. 二分圖,轉移矩陣原理
第五階段 深度學習基礎 1. 人工智能深度學習歷史發展及簡介
2. 得分函數
3. 損失函數
4. 正則化
5. Softmax分類器原理
6. 最優化問題
7. 梯度下降
8. 反向傳播
第六階段 深度學習進階 神經網絡 1. 神經網絡原理
2. 激活函數
3. 深入神經網絡細節
4. 感受神經網絡的強大
5. 實例:神經網絡代碼實現并與線性分類對比
第七階段 深度學習核心 卷積神經網絡 1. 卷積神經網絡的強大
2. 卷積神經網絡詳解-卷積層
3. 卷積神經網絡詳解-池化層
4. 卷積神經網絡詳解-全連接層
5. 卷積效果實例
第八階段 深度學習網絡架構 1. 經典神經網絡實例(ALEXNET,VGG)詳解
2. RNN與LSTM記憶網絡
3. 數據增強,網絡設計,參數初始化
4. 級聯模式網絡結構分析-人臉檢測算法分析
5. 序列化網絡結構分析-人體姿態識別算法分析
6. 深度殘差網絡
7. PRISMA如何實現風格轉換
8. Faster-rcnn物體檢測框架原理詳解
第九階段 機器學習平臺TensorFlow詳解 1. TensorFlow 的應用場景
2. TensorFlow和其他深度學習框架的對比
3. TensorFlow的線性與邏輯回歸
4. 使用TensorFlow實現自編碼器及多層感知機
5. 使用TensorFlow實現深度神經網絡DNN
6. 使用TensorFlow實現經典卷積神經網絡CNN
7. 使用TensorFlow實現循環神經網絡RNN
8. 使用TensorFlow實現深度強化學習
9. TensorBoard、多GPU并行及分布式并行
第十階段 機器學習習項目實戰 1.項目需求分析
2. 數據采集與整理
3. 機器學習因子提取與算法設計
4. 搭建機器學習框架
5. 開發機器學習程序
6.運行結果分析與算法優化

查看更多

會議日程


即將更新,敬請期待

會議嘉賓


即將更新,敬請期待

參會指南

會議門票


票種名稱 價格 原價 票價說明
會務費 ¥5800

查看更多

溫馨提示
酒店與住宿: 為防止極端情況下活動延期或取消,建議“異地客戶”與活動家客服確認參會信息后,再安排出行與住宿。
退款規則: 活動各項資源需提前采購,購票后不支持退款,可以換人參加。

會議支持:

  • 會員折扣
    該會議支持會員折扣
    具體折扣標準請參見plus會員頁面
  • 會員返積分
    每消費1元累積1個會員積分。
    僅PC站支持。
  • 會員積分抵現
    根據會員等級的不同,每抵用1元可使用的積分也不一樣,具體可參見PLUS會員頁面。 僅PC站支持。

會議地點

部分參會單位

主辦方沒有公開參會單位

快捷下單

活動家_小程序快捷下單

微信掃一掃
使用小程序快捷下單

會議贊助

郵件提醒通知

分享到微信 ×

打開微信,點擊底部的“發現”,
使用“掃一掃”即可將網頁分享至朋友圈。

錄入信息

請錄入信息,方便生成邀請函

一肖中特虎猴