我要報名

咨詢電話：
手　　機：	郵箱：

課程介紹

機器學習(Machine Learning, ML)是一門多領域交叉學科，專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。機器學習是計算機科學和人工智能中非常重要的一個研究領域，機器學習不但在計算機科學的眾多領域中大顯身手，而且成為一些交叉學科的重要支撐技術。機器學習是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，如專家系統、自動推理、圖像識別、語音識別、自然語言理解、模式識別、計算機視覺、智能機器人等。隨著人工智能技術的快速發展，機器學習方面的人才成為國家急需的高層次技術人才。為將機器學習的重要知識和最新進展進行推廣，培訓中心特舉辦“人工智能核心-機器學習”培訓班

培訓目標

1，全面了解機器學習領域相關知識。

2，能將機器學習領域的技術應用于實際項目。

3，能將機器學習領域的技術和人工智能的其他技術進行結合，做擴展應用。

培訓對象

高級程序員、資深開發人員、人工智能工程師、圖像設計人員、機器學習工程師、程序員。

培訓內容

第一講 機器學習簡介

1.1 什么是機器學習

1.2 為什么要機器學習

1.3 怎樣來進行機器學習

1.4 機器學習的現實案例舉例

第二講 樸素貝葉斯決策

2.1為什么要引入樸素貝葉斯決策

2.2 如何進行樸素貝葉斯決策

2.3 樸素貝葉斯在文本識別中的應用案例

第三講 線性分類器

3.1 線性分類器是什么

3.2 Fisher線性判別的動機

3.3 Fisher線性判別的內涵是什么

3.4 Fisher線性判別在人臉檢測中的應用案例

第四講 人工神經網絡

4.1 人工神經網絡的設計動機是什么

4.2 單個神經元的功能

4.3人工神經網絡的優化以及誤差逆傳播（BP）算法

4.4人工神經網絡中需要注意的問題

4.5 人工神經網絡在表情識別、流量預測中的應用案例

第五講 最優分類面和支持向量機（SVM）

5.1 什么是最優分類面

5.2 SVM的本質是什么

5.3 SVM線性不可分時怎么辦

5.4 SVM中核函數如何選擇

5.5 SVM在車牌識別中的應用案例

第六講 近鄰法

6.1 近鄰法的思想是什么

6.2 近鄰法的缺點以及改進方案

6.3 近鄰法中的過學習問題及解決方案

6.4 近鄰法在相親網站中的應用案例

第七講 決策樹

7.1 什么是非數值特征

7.2 為什么要引入決策樹

7.3 如何設計決策樹

7.4 如何構造隨機森林

7.5 決策樹在醫療系統中的應用案例

第八講 Boosting

8.1 什么是Boosting算法

8.2 為什么要Boosting

8.3 如何Boosting

8.4 介紹Boosting算法典型代表Adaboost

8.5 Adaboost在人臉檢測中的應用案例

第九講 非監督學習方法

9.1 什么是非監督學習？

9.2 單峰子集法

9.3 C均值方法

9.4 模糊C均值方法和改進的模糊C均值方法

9.5 非監督學習方法在石油勘探中的應用案例

司老師

司老師 清華大學博士，機器學習方面專家，在意大利舉辦的國際在線指紋識別競賽中獲得冠軍，在機器學習和模式識別領域頂級期刊IEEE TPAMI等期刊發表多篇論文，擁有5個中國專利和1個美國專利，是人工智能、機器學習、深度學習和圖像處理和識別領域的實戰派專家。

我要報名

在線報名：人工智能核心-機器學習(北京)

其他城市研發管理培訓

北京研發管理培訓 上海研發管理培訓 廣州研發管理培訓 深圳研發管理培訓 蘇州研發管理培訓 無錫研發管理培訓 重慶研發管理培訓 銀川研發管理培訓 天津研發管理培訓