 班級規模及環境--熱線:4008699035 手機:15921673576( 微信同號) |
|
每期人數限3到5人。 |
| 上課時間和地點 |
開課地址：【上海】同濟大學(滬西)/新城金郡商務樓(11號線白銀路站)【深圳分部】：電影大廈(地鐵一號線大劇院站) 【武漢分部】：佳源大廈【成都分部】：領館區1號【沈陽分部】：沈陽理工大學【鄭州分部】：錦華大廈【石家莊分部】：瑞景大廈【北京分部】：北京中山學院 【南京分部】：金港大廈
最新開班 (連續班 、周末班、晚班）：2020年3月16日 |
| 實驗設備 |
☆資深工程師授課
☆注重質量
☆邊講邊練
☆合格學員免費推薦工作
★實驗設備請點擊這兒查看★ |
| 質量保障 |
1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
3、培訓合格學員可享受免費推薦就業機會。 |
課程大綱 |
| |
第1章對機器學習的正確認識
1-1人工智能、機器學習和深度學習的關系
1-2機器學習需要哪些工具
1-3Jupyter Notebook簡介與安裝
1-4使用Jupyter Notebook
1-5遠程訪問Jupyter Notebook
第2章項目實戰：預測人們的幸福指數
2-1項目簡介
2-2訓練線性模型，并預測幸福指數
2-3機器學習的主要挑戰
第3章項目實戰：預測房價
3-1準備實驗數據
3-2查看和可視化數據集
3-3準備訓練集和測試集
3-4用更完美的方式產生訓練集和測
3-5用sklearn API拆分訓練集和測
3-6分層抽樣
3-7通過可視化地理數據尋找模式
3-8用兩種方法檢測屬性之間的相關度
3-9為房屋數據集添加新屬性，并計算與房屋均價的相關度
3-10清理數據：用轉換器填補缺失值
3-11將文本類型屬性轉換為數值
3-12自定義轉換器
3-13數據轉換管道（pipeline）
3-14選擇、訓練模型以及預測房價
3-15評估模型的性能
3-16用交叉驗證評估和選擇模型
第4章項目實戰：識別手寫數字
4-1項目概述
4-2使用sklearn內置的圖像數據
4-3使用fetch_mldata函數獲取MNIST圖像數據集
4-4直接讀取mat格式的MNIST圖像數據集
4-5將多張圖像文件合成一個圖像
4-6對數字圖像進行二元分類
4-7使用K-fold交叉驗證法評估分類器模型的性能
4-8使用混淆矩陣評估分類器模型的性能
4-9用精度、召回率和F1分數評估分類模型
4-10調整閾值得到不同的精度和召回率
4-11ROC曲線與模型評估
4-12比較隨機森林分類器和梯度下降分類器的ROC曲線
4-13多類別分類器
4-14通過對特征值進行轉換提高分類效果
4-15通過分析錯誤類型改進分類模型
4-16多標簽分類
4-17去除圖像噪聲
第5章k-鄰近算法
5-1實現原理
5-2用k-鄰近算法進行分類
5-3用k-鄰近算法進行預測
5-4繪制擬合曲線
第6章項目實戰：用k-鄰近算法預測糖尿病
6-1準備訓練數據和測試數據
6-2比較和選擇分類模型
6-3訓練模型與預測糖尿病
6-4繪制學習曲線
6-5選擇相關特征與數據可視化
第7章線性回歸算法
7-1線性回歸都講了什么
7-2線性回歸模型概述
7-3使用標準方程進行線性回歸擬合
7-4梯度下降算法的原理
7-5批量梯度下降
7-6比較不同學習率的迭代效果
7-7隨機梯度下降
7-8隨機梯度下降
7-9比較4種線性回歸算法
7-10用線性模型擬合非線性數據
第8章支持向量機（SVM）
8-1線性SVM分類
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業