課程簡介
機器學習算法原理與實踐
目標收益
培訓對象
課程大綱
|
第一天 上午 概述 |
1.人工智能應用發(fā)展概述 2.python基礎學習 3.科學計算包numpy學習 4.繪圖工具包matplotlib學習 5.機器學習基礎理論 |
|
下午 回歸算法理論與實戰(zhàn) |
1.一元線性回歸 2.代價函數 3.梯度下降法 4.使用sklearn實現一元線性回歸 5.多元線性回歸 6.使用sklearn實現多元線性回歸 7.過擬合正則化 8.嶺回歸 9.sklearn實現嶺回歸 10.LASSO回歸 11.sklearn實現LASSO回歸 |
| KNN算法和決策樹算法理論與實戰(zhàn) |
1.KNN算法介紹 2.sklearn實現knn算法 3.決策樹原理介紹 4.sklearn實現決策樹算法 |
|
第二天 上午 神經網絡算法理論與實戰(zhàn) |
1.深度學習發(fā)展以及大師介紹 2.神經網絡基本原理 3.單層感知器程序 4.線性神經網絡 5.激活函數，損失函數和梯度下降法 6.BP神經網絡介紹 7.BP神經網絡解決異或問題 8.sklearn-BP神經網絡解決手寫數字識別 |
|
下午 決策樹算法理論與實戰(zhàn) |
1.決策樹-信息熵,ID3,C4.5算法介紹 2.sklearn-決策樹 |
| 聚類算法理論與實戰(zhàn) |
1.k-means算法原理 2.k-means算法實現 3.DBSCAN算法原理 4.DBSCAN算法實現 |
|
第一天 上午 概述 1.人工智能應用發(fā)展概述 2.python基礎學習 3.科學計算包numpy學習 4.繪圖工具包matplotlib學習 5.機器學習基礎理論 |
|
下午 回歸算法理論與實戰(zhàn) 1.一元線性回歸 2.代價函數 3.梯度下降法 4.使用sklearn實現一元線性回歸 5.多元線性回歸 6.使用sklearn實現多元線性回歸 7.過擬合正則化 8.嶺回歸 9.sklearn實現嶺回歸 10.LASSO回歸 11.sklearn實現LASSO回歸 |
|
KNN算法和決策樹算法理論與實戰(zhàn) 1.KNN算法介紹 2.sklearn實現knn算法 3.決策樹原理介紹 4.sklearn實現決策樹算法 |
|
第二天 上午 神經網絡算法理論與實戰(zhàn) 1.深度學習發(fā)展以及大師介紹 2.神經網絡基本原理 3.單層感知器程序 4.線性神經網絡 5.激活函數，損失函數和梯度下降法 6.BP神經網絡介紹 7.BP神經網絡解決異或問題 8.sklearn-BP神經網絡解決手寫數字識別 |
|
下午 決策樹算法理論與實戰(zhàn) 1.決策樹-信息熵,ID3,C4.5算法介紹 2.sklearn-決策樹 |
|
聚類算法理論與實戰(zhàn) 1.k-means算法原理 2.k-means算法實現 3.DBSCAN算法原理 4.DBSCAN算法實現 |
近期公開課推薦
